Bukan epilog
Kisah ini terjadi cukup lama, tetapi beberapa detail baru menjadi jelas sekarang, itulah sebabnya sudah waktunya untuk menceritakannya.
Kami tidak akan membahas deskripsi jenis-jenis realitas paralel, banyak penulis, pecinta sejarah alternatif, futuris, dan penggemar hal-hal semacam itu telah melakukan ini sejak lama dan berhasil. Mari langsung ke intinya.
, . ., «» . , . . : « :
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 sangat senang, tersenyum lebar, dia bertanya: "Apakah laporannya sudah dipublikasikan?" "Tentu saja, semua data ini ada di sini." Alexander mengeluarkan folder dari laci atas.
"Kamu selesai dengan baik! Saya pasti akan menandai Anda saat merangkum hasil tahun ini! " - kata Vibegallo dan dengan tegas pergi ke sekretariat Troika.