Python 3.x 如何循环浏览项目并运行和绘制scikit模型？

我从比赛中获得了一些有趣的用户数据。我知道运动员们计划什么时候完成比赛，我也知道他们什么时候真正完成比赛（除了一些其他的东西）。目的是了解运动员何时迟到。我想为每个运动员运行一个支持向量机，并绘制决策边界

以下是我的工作：

import numpy as np
import pandas as pd
from sklearn import svm
from mlxtend.plotting import plot_decision_regions
import matplotlib.pyplot as plt


# Create arbitrary dataset for example
df = pd.DataFrame({'User': np.random.random_integers(low=1, high=4, size=50),
                    'Planned_End': np.random.uniform(low=-5, high=5, size=50),
                   'Actual_End':  np.random.uniform(low=-1, high=1, size=50),
                   'Late':        np.random.random_integers(low=0,  high=2, size=50)}
)

# Fit Support Vector Machine Classifier
X = df[['Planned_End', 'Actual_End']]
y = df['Late']

clf = svm.SVC(decision_function_shape='ovo')

for i, y in df['User']:
    clf.fit(X, y)
    ax = plt.subplot()
    fig = plot_decision_regions(X=X, y=y, clf=clf, legend=2)
    plt.title(lab)
plt.show()

我得到了以下错误：

TypeError:'numpy.int64'对象不可编辑

——也就是说，我无法循环遍历该列

我想这可以归结为numpy数据格式？我如何解决这个问题？

试试iteritems（）

试试iteritems（）

---

您的

User

系列包含

numpy.int64

对象，因此您只能使用：

for y in df['User']:

而且你不会在任何地方使用

i

至于代码的其余部分，这将产生一些解决方案，请相应地编辑：

import numpy as np
import pandas as pd
from sklearn import svm
from mlxtend.plotting import plot_decision_regions
import matplotlib.pyplot as plt


# Create arbitrary dataset for example
df = pd.DataFrame({'User': np.random.random_integers(low=1, high=4, size=50),
                    'Planned_End': np.random.uniform(low=-5, high=5, size=50),
                   'Actual_End':  np.random.uniform(low=-1, high=1, size=50),
                   'Late':        np.random.random_integers(low=0,  high=2, size=50)}
)

# Fit Support Vector Machine Classifier
X = df[['Planned_End', 'Actual_End']].as_matrix()
y = df['Late']

clf = svm.SVC(decision_function_shape='ovo')


y = df['User'].values
clf.fit(X, y)
ax = plt.subplot()
fig = plot_decision_regions(X=X, y=y, clf=clf, legend=2)
plt.title('lab')
plt.show()

---

您的

User

系列包含

numpy.int64

对象，因此您只能使用：

for y in df['User']:

而且你不会在任何地方使用

i

至于代码的其余部分，这将产生一些解决方案，请相应地编辑：

import numpy as np
import pandas as pd
from sklearn import svm
from mlxtend.plotting import plot_decision_regions
import matplotlib.pyplot as plt


# Create arbitrary dataset for example
df = pd.DataFrame({'User': np.random.random_integers(low=1, high=4, size=50),
                    'Planned_End': np.random.uniform(low=-5, high=5, size=50),
                   'Actual_End':  np.random.uniform(low=-1, high=1, size=50),
                   'Late':        np.random.random_integers(low=0,  high=2, size=50)}
)

# Fit Support Vector Machine Classifier
X = df[['Planned_End', 'Actual_End']].as_matrix()
y = df['Late']

clf = svm.SVC(decision_function_shape='ovo')


y = df['User'].values
clf.fit(X, y)
ax = plt.subplot()
fig = plot_decision_regions(X=X, y=y, clf=clf, legend=2)
plt.title('lab')
plt.show()

---

非常感谢。到目前为止我还不太明白。我在df['Responsible User']中尝试了您的方法并

为I。Itterrows（）：

两个返回都

'Series'对象没有属性“Itterrows”

抱歉，我的错误，请尝试iteritems（）。好的，谢谢！我想我快到了。我想我需要先将数据帧转换为

np.array

？我发现错误

y必须是1D NumPy数组

。谢谢！到目前为止我还不太明白。我在df['Responsible User']中尝试了您的方法并

为I。Itterrows（）：

两个返回都

'Series'对象没有属性“Itterrows”

抱歉，我的错误，请尝试iteritems（）。好的，谢谢！我想我快到了。我想我需要先将数据帧转换为

np.array

？我发现错误

y必须是1D NumPy数组

。谢谢！我来自一个稍有不同的技术层，只是简单地使用了我知道的语法并进行了尝试——显然没有成功。我想我在使用

y

和`

I

时犯了一个很大的错误。我只想在运动员中循环-实际上是

numpy.int64

并为每个运动员运行clf。我怎么也做不到。还有什么建议吗？谢谢-这已经帮了大忙了。然而，我实际上是在为每个运动员单独制作一个情节。也就是说，我正在尝试循环通过

df['Athelte']

并为每个运动员运行

clf（）

和

plt.subplot（）

（本例中为四名）。依赖变量仍然应该是

df['Late']

，因此

y

。我的思路类似于

df.groupby（'athleter'）。apply（clf.fit（X，y））

谢谢！我现在明白了！非常感谢。我来自一个稍有不同的技术层，只是简单地使用了我知道的语法并进行了尝试——显然没有成功。我想我在使用

y

和`

I

时犯了一个很大的错误。我只想在运动员中循环-实际上是

numpy.int64

并为每个运动员运行clf。我怎么也做不到。还有什么建议吗？谢谢-这已经帮了大忙了。然而，我实际上是在为每个运动员单独制作一个情节。也就是说，我正在尝试循环通过

df['Athelte']

并为每个运动员运行

clf（）

和

plt.subplot（）

（本例中为四名）。依赖变量仍然应该是

df['Late']

，因此

y

。我的思路类似于

df.groupby（'athleter'）。apply（clf.fit（X，y））

谢谢！我现在明白了！