```
#首先了解如何快速做一個(gè)列表
df4 = pd.DataFrame({'col1':['1',3],'col2':[2,4]},index=['a','b'])
#接下來(lái)我們來(lái)看如何處理臟數(shù)據(jù)
import pandas as pd
import numpy as np
df=pd.DataFrame({"id":["1","2","3,4"]})
df
def max_str(t):
? ? a=[int(i) for i in t]
? ? return max(a)
df["id_max"]=df["id"].str.split(",").map(max_str)
df
#騰訊廣告算法大賽為例子
##################################制作小樣本集##############################
###########################################################################
#第一步 讀取數(shù)據(jù)
df=pd.read_table('C:/Users/fafa/Desktop/testA/user_data',sep = '\t',header=None,engine='python')
#增加 列名
df.columns=['用戶ID','年齡','性別','地域','婚戀狀態(tài)','學(xué)歷','消費(fèi)能力','設(shè)備','工作狀態(tài)','連接類型','行為性趣']
#切分?jǐn)?shù)據(jù)毫炉，使用前2000條
df2=df.head(2000)
#導(dǎo)出切分好的數(shù)據(jù)
df2.to_excel('C:/Users/fafa/Desktop/testa/user_data.xls')
##################同理讲坎，制作 其余的小樣本集##########
test=pd.read_table('C:/Users/fafa/Desktop/testA/test_sample.dat',sep = '\t',header=None,engine='python')
test.columns=['樣本id','廣告id','創(chuàng)建時(shí)間','素材尺寸','廣告行業(yè)id','商品類型','商品id','廣告賬戶id','投放時(shí)段','人群定向','出價(jià)(單位分)']
test.to_excel('C:/Users/fafa/Desktop/testa/測(cè)試數(shù)據(jù).xls')
test=pd.read_table('C:/Users/fafa/Desktop/testA/ad_operation.dat',sep = '\t',header=None,engine='python')
test.columns=['廣告id','創(chuàng)建/修改時(shí)間','操作類型','修改字段','操作后的字段']
df3=test.head(2000)
df3.to_excel('C:/Users/fafa/Desktop/testa/廣告操作數(shù)據(jù).xls')
df4=pd.read_table('C:/Users/fafa/Desktop/testA/ad_static_feature.out',sep = '\t',header=None,engine='python')
df4.columns=['廣告id','創(chuàng)建時(shí)間','廣告賬戶id','商品id','商品類型','廣告行業(yè)id','素材尺寸']
df5=df4.head(2000)
df5.to_excel('C:/Users/fafa/Desktop/testa/廣告靜態(tài)數(shù)據(jù).xls')
df=pd.read_table('C:/Users/fafa/Desktop/testA/想',sep = '\t',header=None,engine='python')
df.columns=['廣告請(qǐng)求id','廣告請(qǐng)求時(shí)間','廣告位id','用戶id','曝光廣告id','曝光廣告素材尺寸','曝光廣告出價(jià)bid','曝光廣告pctr','曝光廣告quality_ecpm','曝光廣告totalEcpm']
df=df.head(2000)
df.to_excel('C:/Users/fafa/Desktop/廣告曝光日志.xls')
###################################################
###################################################
##########統(tǒng)計(jì)日志中廣告id的出現(xiàn)次數(shù)，并關(guān)聯(lián)其信息##########
###################################################
###################################################
#讀取曝光日志
df=pd.read_excel('D:/mini數(shù)據(jù)集/曝光日志.xls',header=0)
#對(duì)"姓名" 計(jì)數(shù)，得到 “姓名”和“計(jì)數(shù)”兩列。
df.姓名.value_counts().to_frame().reset_index().rename({"index":"姓名","姓名":"計(jì)數(shù)"},axis=1)
#對(duì)"曝光廣告id" 計(jì)數(shù)，得到 “廣告id”和“曝光次數(shù)”兩列。
df1=df.曝光廣告id.value_counts().to_frame().reset_index().rename({"index":"廣告id","曝光廣告id":"曝光次數(shù)"},axis=1)df1.head()
#法二
# df['count'] = 1
#df.groupby('Name')['count'].agg('sum')
#關(guān)聯(lián)廣告其他屬性 到 曝光次數(shù) 表格
#讀取廣告其他屬性df2
df2=pd.read_excel('D:/mini數(shù)據(jù)集/廣告靜態(tài)數(shù)據(jù).xls',header=0)df2.head()
#關(guān)聯(lián)
df1.merge(df2,on="廣告id")
#刪除不需要的列
df4=df3.drop({'創(chuàng)建時(shí)間',"廣告賬戶id"},1)df4.head()
#修改列的位置
df=df[['廣告id', '商品id', '商品類型', '廣告行業(yè)id', '素材尺寸','曝光次數(shù)']]
#################################################
###########以下是直接調(diào)取大形數(shù)據(jù)制作訓(xùn)練集#########
#################################################
#第一步 讀取數(shù)據(jù)df1=pd.read_table('C:/Users/fafa/Desktop/testA/totalExposureLog.out',sep = '\t',header=None,engine='python')df2=pd.read_table('C:/Users/fafa/Desktop/testA/ad_static_feature.out',sep = '\t',header=None,engine='python')
#增加 列名
df1.columns=['廣告請(qǐng)求id','廣告請(qǐng)求時(shí)間','廣告位id','用戶id','曝光廣告id','曝光廣告素材尺寸','曝光廣告出價(jià)bid','曝光廣告pctr','曝光廣告quality_ecpm','曝光廣告totalEcpm']df2.columns=['廣告id','創(chuàng)建時(shí)間','廣告賬戶id','商品id','商品類型','廣告行業(yè)id','素材尺寸']#對(duì)"曝光廣告id" 計(jì)數(shù)，得到 “廣告id”和“曝光次數(shù)”兩列雳锋。
df3=df1.曝光廣告id.value_counts().to_frame().reset_index().rename({"index":"廣告id","曝光廣告id":"曝光次數(shù)"},axis=1) df1.head()
#關(guān)聯(lián)廣告其他屬性 到 曝光次數(shù) 表格
df3.merge(df2,on="廣告id")
#刪除不需要的列
df4=df3.drop({'創(chuàng)建時(shí)間',"廣告賬戶id"},1) df4.head()
#修改列的位置
df5=df4[['廣告id', '商品id', '商品類型', '廣告行業(yè)id', '素材尺寸','曝光次數(shù)']]
#發(fā)現(xiàn)id中存在臟數(shù)據(jù) 所以清理一下（方法見(jiàn)臟數(shù)據(jù)的清理）
def max_str(t):
? ? a=[int(i) for i in t]
? ? return max(a)
df5["廣告id"]=df5["廣告id"].str.split(",").map(max_str)
df5["商品id"]=df5["商品id"].str.split(",").map(max_str)
df5["廣告行業(yè)id"]=df5["廣告行業(yè)id"].str.split(",").map(max_str)
#令空值NaN為0
df5.fillna(0)
df5.head()
###最終得到的df5就是一個(gè)數(shù)據(jù)集合，最后一列是Y羡洁，其余列都是特征X（要注意這里df5是有列名的）魄缚。然后套用nn模板(或者Light gbm 代碼在此)來(lái)訓(xùn)練即可。
####nn模板如下####
# -*- coding: utf-8 -*-
import pandas as pd
import numpy as np
from keras import metrics
from keras.models import Sequential
from keras.layers import Dense
from keras.wrappers.scikit_learn import KerasClassifier
from sklearn.model_selection import KFold, cross_val_scoredataset=pd.read_csv('housing.csv',header=None)
X=dataset.iloc[:,0:13]
Y=dataset.iloc[:,13]
# print(Y)
seed=7
np.random.seed(seed)
# 建立模型
optimizer='adam'
init='normal'
model=Sequential()
model.add(Dense(units=13,activation='relu',input_dim=13,kernel_initializer=init))
#構(gòu)建更多的隱藏層
model.add(Dense(units=10,activation='relu',kernel_initializer=init))
model.add(Dense(units=1,kernel_initializer=init))
#輸出層不需要進(jìn)行激活函數(shù),預(yù)測(cè)回歸的話unit=1# 編譯模型
model.compile(loss='mse',optimizer=optimizer,metrics=['acc'])
model.fit(X.values,Y.values,epochs=30,batch_size=64)
```
If you are interested in this topic.
You can get in touch with me.
18234056952(Tel? wechat? qq)
