在學習xg的 時候，想畫學習曲線，但無奈沒有沒有這個 evals_result_

AttributeError: ’Booster’ object has no attribute ’evals_result_’

因為不是用的分類器或者回歸器，而且是使用的train而不是fit進行訓練的，看過源碼fit才有evals_result_這個，導致訓練后沒有這個，但是又想獲取學習曲線，因此肯定還需要獲取訓練數據。

運行的結果 上面有數據，于是就想自己解析屏幕的數據試一下，屏幕可以看到有我們迭代過程的數據，因此想直接獲取屏幕上的數據，思維比較low但是簡單粗暴。

接下來分兩步完成：

1) 獲取屏幕數據

import subprocessimport pandas as pdtop_info = subprocess.Popen(['python', 'main.py'], stdout=subprocess.PIPE)out, err = top_info.communicate()out_info = out.decode(’unicode-escape’)lines=out_info.split(’n’)

注：這里的main.py就是自己之前執行的python文件

2) 解析文件數據:

ln=0lst=dict()for line in lines: if line.strip().startswith(’[{}] train-auc:’.format(ln)): if ln not in lst.keys(): lst.setdefault(ln, {}) tmp = line.split(’t’) t1=tmp[1].split(’:’) t2=tmp[2].split(’:’) if str(t1[0]) not in lst[ln].keys(): lst[ln].setdefault(str(t1[0]), 0) if str(t2[0]) not in lst[ln].keys(): lst[ln].setdefault(str(t2[0]), 0) lst[ln][str(t1[0])]=t1[1] lst[ln][str(t2[0])]=t2[1] ln+=1json_df=pd.DataFrame(pd.DataFrame(lst).values.T, index=pd.DataFrame(lst).columns, columns=pd.DataFrame(lst).index).reset_index()json_df.columns=[’numIter’,’eval-auc’,’train-auc’]print(json_df)

整體代碼：

import subprocessimport pandas as pdtop_info = subprocess.Popen(['python', 'main.py'], stdout=subprocess.PIPE)out, err = top_info.communicate()out_info = out.decode(’unicode-escape’)lines=out_info.split(’n’) ln=0lst=dict()for line in lines: if line.strip().startswith(’[{}] train-auc:’.format(ln)):if ln not in lst.keys(): lst.setdefault(ln, {})tmp = line.split(’t’)t1=tmp[1].split(’:’)t2=tmp[2].split(’:’)if str(t1[0]) not in lst[ln].keys(): lst[ln].setdefault(str(t1[0]), 0)if str(t2[0]) not in lst[ln].keys(): lst[ln].setdefault(str(t2[0]), 0)lst[ln][str(t1[0])]=t1[1]lst[ln][str(t2[0])]=t2[1]ln+=1json_df=pd.DataFrame(pd.DataFrame(lst).values.T, index=pd.DataFrame(lst).columns, columns=pd.DataFrame(lst).index).reset_index()json_df.columns=[’numIter’,’eval-auc’,’train-auc’]print(json_df)

看下效果：

以上這篇獲取python運行輸出的數據并解析存為dataFrame實例就是小編分享給大家的全部內容了，希望能給大家一個參考，也希望大家多多支持好吧啦網。