獲取python運行輸出的數(shù)據(jù)并解析存為dataFrame實例

更新時間：2020年07月07日 18:21:57 作者：喝粥也會胖的唐僧

這篇文章主要介紹了獲取python運行輸出的數(shù)據(jù)并解析存為dataFrame實例，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧

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(shù)據(jù)。

運行的結(jié)果上面有數(shù)據(jù)，于是就想自己解析屏幕的數(shù)據(jù)試一下，屏幕可以看到有我們迭代過程的數(shù)據(jù)，因此想直接獲取屏幕上的數(shù)據(jù)，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(shù)據(jù)

import subprocess
import pandas as pd
top_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(zhí)行的python文件

2) 解析文件數(shù)據(jù):

ln=0
lst=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+=1
json_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 subprocess
import pandas as pd
top_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=0
lst=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+=1
json_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：