数据分析踩坑笔记

1.使用百度echarts 绘制中国地图

• echarts geo地图由于某些原因被封了，拿不到数据包，现在官方推荐使用百度地图的api,因此需要申请百度地图的开发者key. 申请地址
• 除了正常引入echarts的包之外，还需要引入bmap，cdn 脚本如下：

    <script src="https://cdn.bootcss.com/echarts/3.8.5/extension/bmap.min.js"></script>

2.’Series’ objects are mutable, thus they cannot be hashed

• 在使用Python pandas时试图用apply函数直接将所有的字母转化为浮点数,写了如下代码：
  

  data_object.apply(lambda x: dict_object[x])

  其中dict_object为字典，保存的字母到浮点数的映射，字母为key, data_object为原始数据，出现了上面的错误。经调试发现原来pandas apply函数与我想象的并不一致，我原因为隐函数中传递的是单个的值（类似map），但实际上传递的是整个Series， 所以可以使用这样的表达:

  normalize data：
  data.apply(lambda x: (x – np.min(x)) / (np.max(x) – np.min(x)))

  另外，关于这个错误更通用的描述，以及dict类型为什么会报错，我在stackoverflow上找到了这个回答，“Series objects are mutable and cannot be hashed” error 大意就是 python 中的dict以键值对的形式来存储数据，key与value之间通过hash关联（很多语言中的map也是如此），所以key必须是不可变的值，比如int, string, tuple. 而在我这个问题中，series是可变类型（mutable），所以不可作为key.

  然后我又尝试了一下一层FOR循环加map,

  for col in data_object_col:
      data[col].values = list(map(lambda x: dict_object[x], data[col].values))

  结果依然报错,AttributeError: can’t set attribute, 看来numpy.array与list还是有些不一样啊，不想再继续纠结这个问题，于是直接上了两层for循环：

  for col in data_object_col:
      for i in range(len(data[col].values)):
          data[col].values[i] = dict_object[data[col].values[i]]

  问题解决

3.sklearn 使用LDA对监督学习数据降维时，出现 Value Error: Unknown label type

• 经调试，发现出错的是下面这段代码。这段代码的主要意思是从label中提取独特的值，剔除重复值。但是支持的label值居然只有binary和muticlass(二分和多分类)，而我传入的是连续值，经调试发现，确实是continuous，所以导致出错。
• 在stackoverflow上找到类似回答：LogisticRegression: Unknown label type: ‘continuous’ using sklearn in python ,总之就是需要将连续值转化为Multiclass值，使用labelEncoder. LabelEncoder将所有的标签值分别映射到一个从0开始的int值，比如我这里有53个标签值，那么转化后的结果就是0 – 52这53个值，保留了大小关系，但是忽略了具体的值差异。感觉这是一个不靠谱的操作，因为这个降维后的结果我完全看不懂了，我将n_components设置为10，然而得到却只有一个类别。。。

4.sklearn 使用ensemble.BaggingRegressor时python崩溃，重启后程序阻塞

• 代码如下:

  >   model = Ridge(alpha=alpha)  
      print("Begin to ensemble")  
      clf = ensemble.BaggingRegressor(model, n_jobs=-1, n_estimators = 10)  
      print("Bagging")  
      clf.fit(x_train, y_train.ravel())  

• 阻塞的代码为clf.fit(), 除此之外没有任何报错信息，但是有一个警告，
  

  DataConversionWarning: A column-vector y was passed when a 1d array was expected. Please change the shape of y to (n_samples, ), for example using ravel().y = column_or_1d(y, warn=True)

• 根据这个警告在stackoverflow上找到了一个类似的问题，a-column-vector-y-was-passed-when-a-1d-array-was-expected从题主的描述中可以发现他也有类似的问题——程序被阻塞，但是回答的答案只给了如何解决警告。改了之后程序依然阻塞
• 于是只能自己debug, 单步调试，发现程序阻塞的地方代码如下：
• 虽然不认识这段代码，但是大意可以猜出来这是根据传入的njob来控制并发的一个循环，这可能和我电脑的配置有关，于是我将njob设置为1，基本上就不并行了，然后果然就解决问题了：

  > clf = ensemble.BaggingRegressor(model, n_jobs=-1, n_estimators = 10)  

5.Numpy.cov AttributeError: ‘float’ object has no attribute ‘shape’

• numpy.cov() exception: ‘float’ object has no attribute ‘shape’

点击量：13328