Mémorandum de construction de l'environnement de la bibliothèque AutoML PyCaret

Installez pandas-profiling afin qu'il n'y ait pas d'erreurs

Environnement informatique

OS:Ubuntu 18.04LTS

Création d'un environnement virtuel Anaconda3

bash


$ conda create -n pycaret python=3.6.10

Installation de pyCaret dans l'environnement virtuel conda

  1. Installez avec pip conformément au Manuel

bash


$ conda activate pycaret
(pycaret)$ pip install pycaret
(pycaret)$ python -m ipykernel install --user --name pycaret --display-name "display-name-here"

Cependant, lorsque je l'ai récemment installé, j'ai commencé à recevoir une erreur lorsque j'ai exécuté la commande suivante sur le notebook jupyter.

python


from pycaret.datasets import get_data
dataset = get_data('credit', profile=True)

Il s'agit d'une commande à télécharger depuis le référentiel de données de PyCaret avec get_data, et le didacticiel d'origine n'a pas donné l'argument profile = True. En d'autres termes, il est exécuté avec l'argument par défaut profile = False. * Dans ce cas, seules les 5 premières lignes de données sont affichées *.

Par contre, si l'argument profile = True est donné, il sera affiché au format rapport de profilage pandas. Vous pouvez vérifier les statistiques de base et le coefficient de corrélation de DataFrame en même temps, mais vous n'avez pas à vous soucier de ʻimport pandas_profiling`.

Cependant, lorsque j'ai installé en utilisant pip install pycaret à des moments différents, j'ai eu une erreur avec profile = True, probablement parce que les subversions de certains paquets étaient différentes, donc requirements.txt Est installé en utilisant.

  1. ** Placez le fichier requirements.txt séparément dans le répertoire où l'environnement virtuel est démarré et installez-le avec pip **

bash


$ conda activate pycaret
(pycaret)$ pip install -r requirements.txt
(pycaret)$ python -m ipykernel install --user --name pycaret --display-name "display-name-here"

Décrivez ce qui suit dans requirements.txt.

astropy==4.0.1.post1
attrs==19.3.0
awscli==1.18.64
backcall==0.1.0
bleach==3.1.5
blis==0.4.1
boto==2.49.0
boto3==1.13.14
botocore==1.16.14
catalogue==1.0.0
catboost==0.20.2
certifi==2020.4.5.1
chardet==3.0.4
chart-studio==1.1.0
click==7.1.2
colorama==0.4.3
colorlover==0.3.0
combo==0.1.0
confuse==1.1.0
cufflinks==0.17.0
cycler==0.10.0
cymem==2.0.3
datefinder==0.7.0
DateTime==4.3
decorator==4.4.2
defusedxml==0.6.0
docutils==0.15.2
entrypoints==0.3
funcy==1.14
future==0.18.2
gensim==3.8.3
graphviz==0.14
htmlmin==0.1.12
idna==2.9
importlib-metadata==1.6.0
ipykernel==5.3.0
ipython==7.14.0
ipython-genutils==0.2.0
ipywidgets==7.5.1
jedi==0.17.0
Jinja2==2.11.2
jmespath==0.10.0
joblib==0.15.1
jsonschema==3.2.0
jupyter-client==6.1.3
jupyter-core==4.6.3
kiwisolver==1.2.0
kmodes==0.10.1
lightgbm==2.3.1
llvmlite==0.32.1
MarkupSafe==1.1.1
matplotlib==3.2.1
missingno==0.4.2
mistune==0.8.4
mlxtend==0.17.2
more-itertools==8.3.0
murmurhash==1.0.2
nbconvert==5.6.1
nbformat==5.0.6
nltk==3.5
notebook==6.0.3
numba==0.49.1
numexpr==2.7.1
numpy==1.18.4
packaging==20.4
pandas==1.0.3
pandas-profiling==2.3.0
pandocfilters==1.4.2
parso==0.7.0
pexpect==4.8.0
phik==0.9.12
pickleshare==0.7.5
Pillow==7.1.2
plac==1.1.3
plotly==4.4.1
pluggy==0.13.1
preshed==3.0.2
prometheus-client==0.7.1
prompt-toolkit==3.0.5
ptyprocess==0.6.0
py==1.8.1
pyasn1==0.4.8
pycaret==1.0.0
Pygments==2.6.1
pyLDAvis==2.1.2
pyod==0.7.9
pyparsing==2.4.7
pyrsistent==0.16.0
pytest==5.4.2
python-dateutil==2.8.1
pytz==2020.1
PyYAML==5.3.1
pyzmq==19.0.1
regex==2020.5.14
requests==2.23.0
retrying==1.3.3
rsa==3.4.2
s3transfer==0.3.3
scikit-learn==0.22
scipy==1.4.1
seaborn==0.10.1
Send2Trash==1.5.0
shap==0.32.1
six==1.14.0
smart-open==2.0.0
spacy==2.2.4
srsly==1.0.2
suod==0.0.4
tbb==2020.0.133
terminado==0.8.3
testpath==0.4.4
textblob==0.15.3
thinc==7.4.0
tornado==6.0.4
tqdm==4.46.0
traitlets==4.3.3
umap-learn==0.4.3
urllib3==1.25.9
wasabi==0.6.0
wcwidth==0.1.9
webencodings==0.5.1
widgetsnbextension==3.5.1
wordcloud==1.7.0
xgboost==0.90
yellowbrick==1.0.1
zipp==3.1.0
zope.interface==5.1.0
  1. Lors de la lecture de données avec des pandas et de la sortie d'un rapport de profilage des pandas, suivez les étapes ci-dessous.

python


import pandas as pd
import numpy as np

df = pd.read_csv('/path/to/data.csv',sep=",", encoding="utf-8")

import pandas_profiling

pandas_profiling.ProfileReport(df)

Recommended Posts

Mémorandum de construction de l'environnement de la bibliothèque AutoML PyCaret
[Django] Mémorandum de procédure de construction d'environnement
Construction d'un environnement de développement pour l'atelier Choreonoid
Mémorandum elasticsearch_dsl
[Memo] Construction de l'environnement cygwin
Construction de l'environnement Python pour Mac
Construction de l'environnement Python3 (pour les débutants)
Construction de l'environnement de python2 & 3 (OSX)
Construction de l'environnement Ansible pour Mac
Construction d'un environnement de développement Cortex-M pour TOPPERS utilisant Raspeye
Mémorandum de l'outil de gestion de paquets Python ez_setup
Construction d'environnement de python et opencv
Début de l'auto-construction OS 1. Construction de l'environnement
[Pour les débutants] Django -Construction d'environnement de développement-
Construire un environnement pour python3.8 sur Mac
Construction de l'environnement Python3 TensorFlow pour Mac
Créer un environnement pour "Tello_Video" sur Ubuntu
Explication facile à comprendre de l'application Web Python (Django) même pour les débutants (1) [Construction de l'environnement]
Procédure de construction de l'environnement de projet Python (pour Windows)
Vue.js + Mémorandum de construction de l'environnement Flask ~ avec Anaconda3 ~
Mémorandum sur le QueryDict de Django
Mémorandum de migration avec GORM
Tutoriel de construction d'environnement pour MXNet (partie gluon)
Ubuntu 16.04 LTS, mémorandum de construction d'environnement pour débutant pour changer la version d'Anaconda avec pyenv
Construction de l'environnement Cloud9 pour le développement d'applications Web sans serveur
Construction d'environnement Poetry-virtualenv avec python de centos-sclo-rh ~ Notes
Compréhension facile de Python pour les tableaux et (pour les super débutants)
Construction d'un environnement d'oreiller - Pour Docker + iPython (et OpenCV)
Principes de base de Pandas pour les débutants ② Présentation des données de saisie