エピローグの代わりに
この話はかなり昔に起こったのですが、詳細のいくつかは今になってようやく明らかになりました。それがそれを伝える時が来た理由です。
並列現実のタイプの説明については詳しく説明しません。これは長い間行われ、多くの作家、代替史のファン、未来主義者、そして単にそのようなもののファンによって成功を収めてきました。要点をまっすぐに見てみましょう。
, . ., «» . , . . : « :
1) 1000 ;
2) .1 , .
« » , . , .
. : « » . . , .. notebook c Anaconda. , ython , .
, 1000 . , , , 1 . : « » « ».
:
#
# Pivot :
Cnt_arr = pd.DataFrame()
Cnt_arr = F_Lst_FULL_df.pivot_table('DT_evnt', index='Date_event',dropna = False,fill_value=0, columns='Type',aggfunc='count')
#
sns.set() # seaborn styles
Cnt_arr.plot()
plt.xlabel(' ')
plt.ylabel(' ')
. , . . , — =1, , =2 .
« . » — , « , , – ?».
5 :
#
sns.set_style("white")
gridobj = sns.lmplot(x='Date_event', y='DT_evnt', hue='Type', data=Cnt_arr, height=7, aspect=1.6,
robust=True, palette='tab10', scatter_kws=dict(s=60, linewidths=.7, edgecolors='black'))
# !
# : 0-100!
# X (min, max)
Xmin=Cnt_arr['Date_event'].min()-1
Xmax=Cnt_arr['Date_event'].max()+1
# Y (min, max)
Ymin=Cnt_arr['DT_evnt'].min()-1
Ymax=Cnt_arr['DT_evnt'].max()+1
#
gridobj.set(xlim=(Xmin, Xmax), ylim=(Ymin, Ymax))
plt.title(" ",
fontsize=20)
plt.show()
« . !» — , . : « ? , ?».
(, , ), : « , : 1) , ; 2) , .. .»
, , : « . »:
#
# ( )
F_Lst_FULL_df['Date_event'] = F_Lst_FULL_df['DT_evnt']-F_Lst_FULL_df['DT_evnt']%1
# 0 1-
F_Lst_FULL_df['Date_event'] = F_Lst_FULL_df['Date_event'].replace(0.0, 1.0)
# 0 1
F_Lst_FULL_df['PartOfDay'] = F_Lst_FULL_df['DT_evnt']%1
#
F_Lst_FULL_df['NWeek'] = F_Lst_FULL_df['Date_event']//7%7+1
# 1-
F_Lst_FULL_df['D_Week'] = 1 + (F_Lst_FULL_df['Date_event']+6)%7
«» . «» « », :
#
# :
# () - , ,
# - pivot
vis_date = F_Lst_FULL_df.pivot_table('DT_evnt', index=['D_Week','PartOfDay'],
dropna = False,fill_value=0, aggfunc='count').reset_index()
Angle_dim = vis_date['D_Week'] #
Radius_dim = vis_date['PartOfDay'] # (0-1) 24
#
#
theta = 2 * np.pi * Angle_dim/7 # Pi (3.14159265...)
#
area = vis_date['DT_evnt'] #
colors = theta # (1-,2-,3-...7-)
fig = plt.figure()
# , :
# : , 111 - , ( ) Figure.
ax = fig.add_subplot(111, projection='polar')
# , ( )
# , !
xtks = pd.DataFrame()
xtks['val']=(2 * np.pi * Angle_dim/7).unique() #
xtks['mrk']=['','','','','','',''] #
plt.xticks(xtks['val'].tolist(),xtks['mrk'].tolist())
c = ax.scatter(theta, Radius_dim, c=colors, s=area, cmap='hsv', alpha=0.75)
« – , » — , . « . ?» — , . « » — .
, :
# ( 0-1)
d = preprocessing.normalize(F_Lst_FULL_df,axis=0)
scaled_df = pd.DataFrame(d,columns = ['DT_evnt', 'Type', 'Date_event', 'PartOfDay','NWeek','D_Week'])
del d
(k-Menas)
: «N_Clstr .
N_Clstr=2 (/);
N_Clstr=7 ;
N_Clstr=31 ;
N_Clstr=14 .»
#
N_Clstr=14
model = KMeans(n_clusters=N_Clstr)
#
model.fit(scaled_df)
#
all_predictions = model.predict(scaled_df)
( )
«», . . « TSNE 2D.
#
model = TSNE()
#
transformed = model.fit_transform(scaled_df)
#
x_axis = transformed[:, 0]
y_axis = transformed[:, 1]
, ,
plt.title('K-Means - : '+str(N_Clstr)+'. ')
plt.scatter(x_axis, y_axis, c=scaled_df['Type'])
plt.show()
# :
# D_Week
# PartOfDay
# Date_event
# NWeek
, , : «, , , , ( ), - ( ( ).
:
1) ,
2) .
, «» . , !».
Vibegalloは非常に満足しており、広く笑いながら、「レポートはもう公開されていますか？」と尋ねました。「もちろん、このすべてのデータはここにあります。」アレクサンダーは一番上の引き出しからフォルダーを取り出しました。
「お疲れ様でした！今年の結果をまとめるときは間違いなくあなたをマークします！」-ビベガロは言い、断固としてトロイカの事務局に行きました。