# 绘制柱状图 sns.countplot(x='alone', hue='survived', data=titanic)，运行后报错:Could not interpret input 'alone'

时间: 2023-12-30 18:06:43 浏览: 94
CPP

C语言画柱状图，数据可以自行输入

star5星 · 资源好评率100%
这个错误通常是由于数据中缺少名为'alone'的列造成的。请检查您的数据集，确保它包含名为'alone'的列，并且该列的名称没有拼写错误。如果您确定该列存在并且名称正确，那么请检查该列的数据类型是否正确。如果该列包含非字符串类型的数据（例如整数或浮点数），则不建议将其用作分类变量，因为这可能会导致“Could not interpret input”错误。您可以尝试将该列转换为字符串类型，或者使用其他适合该列数据类型的绘图方式。
阅读全文

相关推荐

pdf

Hive Beeline连接报错：Could not open client transport with JDBC Uri: jdbc:hive2://hcmaster:10000/default

在使用Hive的Beeline客户端进行连接时，可能会遇到错误提示"Could not open client transport with JDBC Uri: jdbc:hive2://hcmaster:10000/default"。这个错误通常意味着Beeline无法通过JDBC URL成功建立到Hive ...
zip

hsv1.zip_site:www.pudn.com_颜色直方图

颜色直方图是一种在图像处理和计算机视觉领域中广泛使用的工具，它可以帮助我们理解图像的颜色分布情况。在MATLAB中，处理颜色直方图是非常直观且功能强大的。本篇文章将详细解析标题为“hsv1.zip”的压缩包内容，...

import seaborn as sns import matplotlib.pyplot as plt # 加载数据集 titanic = sns.load_dataset('titanic') # 绘制柱状图 sns.countplot(x='alone', hue='survived', data=titanic) # 设置图形属性 plt.title('Survival by Number of Parents/Children on Board') plt.xlabel('Parents/Children Onboard') plt.ylabel('Passenger Count') plt.legend(title='Survived', loc='upper right', labels=['No', 'Yes']) # 显示图形 plt.show()

这段代码使用了Seaborn和Matplotlib库，加载了Titanic数据集，并绘制了一个柱状图来显示不同数量的父母/孩子在船上的乘客数量和存活情况。其中，x轴代表父母/孩子的数量，hue参数指定按存活情况进行分组，data参数...

import numpy as np import pandas as pd import seaborn as sns import matplotlib.pyplot as plt plt.rcParams['font.sans-serif'] = ['SimHei'] plt.rcParams['axes.unicode_minus']=False %matplotlib inline pdtitanic = pd.read_csv(r"C:\Users\小杜羽\Desktop\titanic.csv") pdtitanic.head() pdtitanic.isnull().sum() mean=titanic['age'].mean() print(mean) pdtitanic['age']=['age'].fillna(mean) pdtitanic.isnull().sum() sns.distplot(titanic["age"]) titanic["embarked"],value_counts() del titanic.['deck'] titanic.head sns.countplot(x="sex",data=titanic) sns.boxplot(x="sex",y="age",data=titanic) sns.countplot(x="class",data=titanic) sns.violinplot(y="age",x="class",data=titanic) def agelevel(age): if age<=16: return'child' elif age>=60: return'old' else: return'middle' titanic['age_level']=titanic['age'].map(agelevel) titanic.head sns.countplot(x='age_level',data=titanic) sns.countplot(x='alive',hue='age_level',data=titanic) plt.legend(loc='best',fontsize='15')

6. 在画countplot时，需要在plt.legend前面加上sns.，即sns.countplot(x='alive',hue='age_level',data=titanic) plt.legend(loc='best',fontsize='15')。 修改后的代码如下所示： python import numpy...

import pandas as pd import matplotlib.pyplot as plt import seaborn as sns # 读取数据 train = pd.read_csv('d:/data/heart(1).csv', encoding='gbk') # 成人正常总胆固醇：<200 mg/dl data1=train[train['chol'] > 240] data1 = data1.copy() data1['chol'] = 1 data2=train[train['chol'] < 200] data2 = data2.copy() data2['chol'] = 0 # 绘制柱状图和箱线图分析性别与血糖、年龄与血糖的关系 fig=plt.figure(figsize=(14, 14)) # 设置画布大小 plt.rcParams['font.sans-serif'] = 'SimHei' # 设置中文显示 plt.rcParams['axes.unicode_minus'] = False # 坐标轴负号正常显示 fig.add_subplot(1, 2, 1) ##第一个子图 sns.countplot(x='chol', data=df, hue='sex', palette='rainbow') ##表示绘图对象为血糖，并以性别区分。 fig.add_subplot(1, 2, 2) ##第二个子图 sns.boxplot(x='chol', y='age', data=df) plt.show()

- sns.countplot(x='chol', data=df, hue='sex', palette='rainbow') 使用 Seaborn 中的 countplot() 函数绘制柱状图，其中 x='chol' 表示绘制的数据为总胆固醇（即上面处理过的数据），data=df 表示使用的...

f,[ax1,ax2,ax3]=plt.subplots(1,3,figsize=(20,5)) sns.countplot(x='BusinessTravel',hue='Attrition',data=train_data,ax=ax1) sns.countplot(x='Department',hue='Attrition',data=train_data,ax=ax2) sns.countplot(x='Gender',hue='Attrition',data=train_data,ax=ax3) ax1.set_title('Business特征分析') ax2.set_title('Depeartment特征分析') ax3.set_title('Gender特征分析') f.suptitle('定类数据类型特征分析',size=20,y=1.1) f,[ax1,ax2]=plt.subplots(1,2,figsize=(20,5)) sns.countplot(x='MaritalStatus',hue='Attrition',data=train_data,ax=ax1) sns.countplot(x='OverTime',hue='Attrition',data=train_data,ax=ax2) ax1.set_title('MaritalStatus特征分析') ax2.set_title('OverTime特征分析') plt.show()

首先通过plt.subplots()方法创建一个1行3列的子图和一个大小为20x5的figure对象，然后分别使用sns.countplot()方法和不同的子图对象ax1、ax2、ax3来绘制三个特征的计数图，并设置图表标题和主标题。接下来再创建一个...

sns.countplot(x='Survived',hue='Age_level',data=train) plt.legend(loc = "best",fontsize='15') plt.show()优化代码

sns.countplot(x=x, hue=hue, data=data) plt.legend(loc="best", fontsize='15') plt.show() plot_countplot(train, 'Survived', 'Age_level') 这样，你可以将绘制计数图的代码封装在函数中，并且将其用于...

输入sns.countplot(x='Sex', hue='Survived', data=df)后 想要在这个图表上添加一个Survived vs Dead这样的标题，该如何编写代码

您可以使用matplotlib库中的title函数来添加标题，如下...sns.countplot(x='Sex', hue='Survived', data=df) # 添加标题 plt.title('Survived vs Dead') # 显示图表 plt.show() 这样就可以在图表上添加标题了。

fig = sns.countplot(x = 'cp', data = df, hue = 'target', palette='Set3'

好的，你的第二个问题是如何使用 seaborn 绘制一个带有色彩分组的分类计数...答案是使用 countplot 方法，将 x 参数设置为 'cp'，data 参数设置为 'df'，hue 参数设置为 'target'，palette 参数设置为 'Set3' 即可。

data["Risk_Flag"].value_counts() fig, ax = plt.subplots( figsize = (12,8) ) corr_matrix = data.corr() corr_heatmap = sns.heatmap( corr_matrix, cmap = "flare", annot=True, ax=ax, annot_kws={"size": 14}) plt.show() def categorical_valcount_hist(feature): print(data[feature].value_counts()) fig, ax = plt.subplots( figsize = (6,6) ) sns.countplot(x=feature, ax=ax, data=data) plt.show() print("-----------------------------------3---------------------------------") categorical_valcount_hist("Married/Single") categorical_valcount_hist("House_Ownership") print( "Total categories in STATE:", len( data["STATE"].unique() ) ) print() print( data["STATE"].value_counts() ) print( "Total categories in Profession:", len( data["Profession"].unique() ) ) print() data["Profession"].value_counts() sns.boxplot(x ="Risk_Flag",y="Income" ,data = data) sns.boxplot(x ="Risk_Flag",y="Age" ,data = data) sns.boxplot(x ="Risk_Flag",y="Experience" ,data = data) sns.boxplot(x ="Risk_Flag",y="CURRENT_JOB_YRS" ,data = data) sns.boxplot(x ="Risk_Flag",y="CURRENT_HOUSE_YRS" ,data = data) fig, ax = plt.subplots( figsize = (8,6) ) sns.countplot(x='Car_Ownership', hue='Risk_Flag', ax=ax, data=data) fig, ax = plt.subplots( figsize = (8,6) ) sns.countplot( x='Married/Single', hue='Risk_Flag', data=data ) fig, ax = plt.subplots( figsize = (10,8) ) sns.boxplot(x = "Risk_Flag", y = "CURRENT_JOB_YRS", hue='House_Ownership', data = data)是哪里出现上述错误呢

上述代码中并没有出现明显的错误，因此很难确定错误...如果你没有导入这些库，那么就会出现类似于“NameError: name 'sns' is not defined”这样的错误。因此，你需要确保在运行上述代码之前已经正确导入了所需要的库。

sns.countplot(data=diabetes, x='bmi', hue='diabetes') plt.ylim(0, 55) plt.title('Histogram of bmi')什么意思

这段代码使用 seaborn 库中的 countplot() 函数来绘制糖尿病数据集 diabetes 中 bmi 列的直方图，并用 hue 参数按照 diabetes 列分组，以展示每个糖尿病分组（0或1）中每个 BMI 值的数量。 plt.ylim(0, ...

pandas.errors.ParserError: Error tokenizing data. C error: Expected 1 fields in line 49, saw 2以下代码出现错误import pandas as pd import matplotlib.pyplot as plt import seaborn as sns import numpy as np #将数据框命名为titanic titanic = pd.read_csv('train.csv') #将PassengerId设置为索引 titanic = titanic.set_index('PassengerId') #绘制一个展示男女乘客比例的扇形图 Male = (titanic.Sex == 'male').sum() Female = (titanic.Sex == 'female').sum() proportions = [Male,Female] plt.pie(proportions, labels=['Male','Female'],shadow=True, autopct='%1.1f%%',startangle=90,explode=(0.15,0)) plt.axis('equal') plt.title('Sex Proportion') plt.tight_layout() plt.show() #绘制一个展示船票Fare, 与乘客年龄和性别的散点图 lm = sns.lmplot(x='Age',y='Fare', data=titanic,hue='Sex',fit_reg=False) lm.set(title='Fare x Age') #设置坐标轴取值范围 axes = lm.axes axes[0,0].set_ylim(-5,) axes[0,0].set_xlim(-5,85) #有多少人生还？ titanic.Survived.sum() #绘制一个展示船票价格的直方图 df = titanic.Fare.sort_values(ascending = False) plt.hist(df,bins = (np.arange(0,600,10))) plt.xlabel('Fare') plt.ylabel('Frequency') plt.title('Fare Payed Histrogram') plt.show()

在查找问题后，你可以选择删除该行，或者尝试修复该行以使其格式正确。一些常见的解决方法包括： - 确保每行都有相同数量的字段。 - 检查是否有未转义的特殊字符或空格。 - 如果有必要，使用正确的分隔符来分隔数据...

sns.catplot()函数和sns.countplot()函数有什么优势和劣势，是不是可以用sns.catplot()函数代替sns.countplot()函数

1. sns.catplot()函数相对于sns.countplot()函数来说，可能在绘制简单的柱状图时需要更多的参数设置，使用起来可能稍微复杂一些。 2. sns.countplot()函数专注于计数统计，对于单一变量的频数展示非常方便和直观，...

fig,ax=plt.subplots(1,2,figsize=(14,5)) sns.countplot(x='cp',data=data,hue='target',palette='Set3',ax=ax[0]) ax[0].set_xlabel("胸痛类型") data.cp.value_counts().plot.pie(ax=ax[1],autopct='%1.1f%%',explode=[0.01,0.01,0.01,0.01],shadow=True, cmap='Blues') ax[1].set_title("胸痛类型")

接下来，使用了Seaborn库中的countplot函数来绘制胸痛类型和目标变量之间的条形图，并使用了hue参数来指定目标变量对条形图进行分组。此外，还指定了调色板为Set3。 在第三行代码中，首先使用了value_counts函数...

sns.countplot中使用hue属性，请为每个柱子加百分比

ax = sns.countplot(x='class', hue='survived', data=titanic) # 计算每个类别的总数 total = float(len(titanic)) # 循环遍历每个柱子 for p in ax.patches: # 获取每个柱子中的数量 height = p.get_height() ...

sns.catplot(x="smoker", kind="count",hue = 'sex', palette="rainbow", data=data[(data.age == 18)]) pl.title("吸烟者和非吸烟者数量 (18岁)")

这段代码使用了 seaborn 库来绘制一个分类图，x 轴为吸烟者和非吸烟者两种类别，y 轴为数量。同时使用了 hue 参数来按照性别为数据加入颜色的区分，并使用了 palette 参数设置颜色的调色板。最后使用了 plt.title() ...

# 聚类结果散点图（分类） #预测类别 X1_scaled = preprocessing.scale(data_1) #利用cluster的KMeans方法构建3个类的分类器，并对X1_scaled进行预测 kmeans = cluster.KMeans(n_clusters=3) pred = kmeans.fit_predict(X1_scaled) pred=pd.cut(pred,[-0.5,0.5,1.5,2.5],labels=["类别1","类别2","类别3"]) #取"内核长"和"内核宽"两维数据和对应的预测类别数据 df=pd.DataFrame("内核长":data_1['内核长'],"内核宽":data_1['内核宽'],"类别":pred) #绘制图形 sns.set(style="white") plt.rcParams['font.sans-serif']=['SimHei'] plt.rcParams['font.family']=['sans-serif'] fig,ax=plt.subplots(figsize=(10,5)) sns.scatterplot(x='内核长',y='内核宽',hue="类别",data=df,palette="Set2",sizes=50) plt.legend(bbox_to_anchor=(1,1),frameon=False) plt.show()

这是一个使用Python中的seaborn和pandas库绘制聚类结果散点图的代码。其中，使用了sklearn中的KMeans算法对数据进行聚类，并将预测结果可视化为散点图。代码如下： python import pandas as pd import numpy as ...

sns.countplot参数

sns.countplot() 是 seaborn 库中的一个函数，用于绘制分类变量的计数图。它有以下常用参数： - x, y：指定绘制计数图的变量，可以是字符串或者变量名称。 - data：指定绘图的数据集。 - hue：指定分类变量的另一个...

sns.catplot（)函数和sns.countplot()函数有什么区别

sns.catplot()函数和sns.countplot()函数在...因此，虽然两个函数都可以用于绘制柱状图，但sns.catplot()函数更加灵活和通用，而sns.countplot()函数则更专注于计数统计。具体使用哪个函数取决于你的需求和数据的特点。

最新推荐

recommend-type

用Python编程实现控制台爱心形状绘制技术教程

内容概要：本文档主要讲解了使用不同编程语言在控制台绘制爱心图形的方法，特别提供了Python语言的具体实现代码。其中包括了一个具体的函数 draw_heart() 实现，使用特定规则在控制台上输出由星号组成的心形图案，代码展示了基本的条件判断以及字符打印操作。 适合人群：对编程有兴趣的学生或者初学者，特别是想要学习控制台图形输出技巧的人。 使用场景及目标：适合作为编程入门级练习，帮助学生加深对于控制流、字符串处理及图形化输出的理解。也可以作为一个简单有趣的项目用来表达情感。 阅读建议：建议读者尝试动手运行并修改代码，改变输出图形的颜色、大小等特性，从而提高对Python基础语法的掌握程度。
recommend-type

优选驾考小程序 微信小程序+SSM毕业设计 源码+数据库+论文+启动教程.zip

优选驾考小程序 微信小程序+SSM毕业设计 源码+数据库+论文+启动教程 项目启动教程：https://www.bilibili.com/video/BV1BfB2YYEnS
recommend-type

【国信期货-2024研报】宏观2025年投资策略报告：经济结构性矛盾现拐点 2025年注重破局.pdf

研究报告
recommend-type

JHU荣誉单变量微积分课程教案介绍

资源摘要信息:"jhu2017-18-honors-single-variable-calculus" 知识点一：荣誉单变量微积分课程介绍 本课程为JHU（约翰霍普金斯大学）的荣誉单变量微积分课程，主要针对在2018年秋季和2019年秋季两个学期开设。课程内容涵盖两个学期的微积分知识，包括整合和微分两大部分。该课程采用IBL（Inquiry-Based Learning）格式进行教学，即学生先自行解决问题，然后在学习过程中逐步掌握相关理论知识。 知识点二：IBL教学法 IBL教学法，即问题导向的学习方法，是一种以学生为中心的教学模式。在这种模式下，学生在教师的引导下，通过提出问题、解决问题来获取知识，从而培养学生的自主学习能力和问题解决能力。IBL教学法强调学生的主动参与和探索，教师的角色更多的是引导者和协助者。 知识点三：课程难度及学习方法 课程的第一次迭代主要包含问题，难度较大，学生需要有一定的数学基础和自学能力。第二次迭代则在第一次的基础上增加了更多的理论和解释，难度相对降低，更适合学生理解和学习。这种设计旨在帮助学生从实际问题出发，逐步深入理解微积分理论，提高学习效率。 知识点四：课程先决条件及学习建议 课程的先决条件为预演算，即在进入课程之前需要掌握一定的演算知识和技能。建议在使用这些笔记之前，先完成一些基础演算的入门课程，并进行一些数学证明的练习。这样可以更好地理解和掌握课程内容，提高学习效果。 知识点五：TeX格式文件 标签"TeX"意味着该课程的资料是以TeX格式保存和发布的。TeX是一种基于排版语言的格式，广泛应用于学术出版物的排版，特别是在数学、物理学和计算机科学领域。TeX格式的文件可以确保文档内容的准确性和排版的美观性，适合用于编写和分享复杂的科学和技术文档。
recommend-type

管理建模和仿真的文件

管理Boualem Benatallah引用此版本：布阿利姆·贝纳塔拉。管理建模和仿真。约瑟夫-傅立叶大学-格勒诺布尔第一大学，1996年。法语。NNT：电话：00345357HAL ID：电话：00345357https://theses.hal.science/tel-003453572008年12月9日提交HAL是一个多学科的开放存取档案馆，用于存放和传播科学研究论文，无论它们是否被公开。论文可以来自法国或国外的教学和研究机构，也可以来自公共或私人研究中心。L’archive ouverte pluridisciplinaire
recommend-type

【实战篇：自定义损失函数】：构建独特损失函数解决特定问题，优化模型性能

![损失函数](https://img-blog.csdnimg.cn/direct/a83762ba6eb248f69091b5154ddf78ca.png) # 1. 损失函数的基本概念与作用 ## 1.1 损失函数定义 损失函数是机器学习中的核心概念，用于衡量模型预测值与实际值之间的差异。它是优化算法调整模型参数以最小化的目标函数。 ```math L(y, f(x)) = \sum_{i=1}^{N} L_i(y_i, f(x_i)) ``` 其中，`L`表示损失函数，`y`为实际值，`f(x)`为模型预测值，`N`为样本数量，`L_i`为第`i`个样本的损失。 ## 1.2 损
recommend-type

如何在ZYNQMP平台上配置TUSB1210 USB接口芯片以实现Host模式，并确保与Linux内核的兼容性？

要在ZYNQMP平台上实现TUSB1210 USB接口芯片的Host模式功能，并确保与Linux内核的兼容性，首先需要在硬件层面完成TUSB1210与ZYNQMP芯片的正确连接，保证USB2.0和USB3.0之间的硬件电路设计符合ZYNQMP的要求。 参考资源链接：[ZYNQMP USB主机模式实现与测试(TUSB1210)](https://wenku.csdn.net/doc/6nneek7zxw?spm=1055.2569.3001.10343) 具体步骤包括： 1. 在Vivado中设计硬件电路，配置USB接口相关的Bank502和Bank505引脚，同时确保USB时钟的正确配置。
recommend-type

Naruto爱好者必备CLI测试应用

资源摘要信息:"Are-you-a-Naruto-Fan:CLI测验应用程序，用于检查Naruto狂热者的知识" 该应用程序是一个基于命令行界面（CLI）的测验工具，设计用于测试用户对日本动漫《火影忍者》（Naruto）的知识水平。《火影忍者》是由岸本齐史创作的一部广受欢迎的漫画系列，后被改编成同名电视动画，并衍生出一系列相关的产品和文化现象。该动漫讲述了主角漩涡鸣人从忍者学校开始的成长故事，直到成为木叶隐村的领袖，期间包含了忍者文化、战斗、忍术、友情和忍者世界的政治斗争等元素。 这个测验应用程序的开发主要使用了JavaScript语言。JavaScript是一种广泛应用于前端开发的编程语言，它允许网页具有交互性，同时也可以在服务器端运行（如Node.js环境）。在这个CLI应用程序中，JavaScript被用来处理用户的输入，生成问题，并根据用户的回答来评估其对《火影忍者》的知识水平。 开发这样的测验应用程序可能涉及到以下知识点和技术： 1. **命令行界面（CLI）开发：** CLI应用程序是指用户通过命令行或终端与之交互的软件。在Web开发中，Node.js提供了一个运行JavaScript的环境，使得开发者可以使用JavaScript语言来创建服务器端应用程序和工具，包括CLI应用程序。CLI应用程序通常涉及到使用诸如 commander.js 或 yargs 等库来解析命令行参数和选项。 2. **JavaScript基础：** 开发CLI应用程序需要对JavaScript语言有扎实的理解，包括数据类型、函数、对象、数组、事件循环、异步编程等。 3. **知识库构建：** 测验应用程序的核心是其问题库，它包含了与《火影忍者》相关的各种问题。开发人员需要设计和构建这个知识库，并确保问题的多样性和覆盖面。 4. **逻辑和流程控制：** 在应用程序中，需要编写逻辑来控制测验的流程，比如问题的随机出现、计时器、计分机制以及结束时的反馈。 5. **用户界面（UI）交互：** 尽管是CLI，用户界面仍然重要。开发者需要确保用户体验流畅，这包括清晰的问题呈现、简洁的指令和友好的输出格式。 6. **模块化和封装：** 开发过程中应当遵循模块化原则，将不同的功能分隔开来，以便于管理和维护。例如，可以将问题生成器、计分器和用户输入处理器等封装成独立的模块。 7. **单元测试和调试：** 测验应用程序在发布前需要经过严格的测试和调试。使用如Mocha或Jest这样的JavaScript测试框架可以编写单元测试，并通过控制台输出调试信息来排除故障。 8. **部署和分发：** 最后，开发完成的应用程序需要被打包和分发。如果是基于Node.js的应用程序，常见的做法是将其打包为可执行文件（如使用electron或pkg工具），以便在不同的操作系统上运行。 根据提供的文件信息，虽然具体细节有限，但可以推测该应用程序可能采用了上述技术点。用户通过点击提供的链接，可能将被引导到一个网页或直接下载CLI应用程序的可执行文件，从而开始进行《火影忍者》的知识测验。通过这个测验，用户不仅能享受答题的乐趣，还可以加深对《火影忍者》的理解和认识。
recommend-type

"互动学习：行动中的多样性与论文攻读经历"

多样性她- 事实上SCI NCES你的时间表ECOLEDO C Tora SC和NCESPOUR l’Ingén学习互动，互动学习以行动为中心的强化学习学会互动，互动学习，以行动为中心的强化学习计算机科学博士论文于2021年9月28日在Villeneuve d'Asq公开支持马修·瑟林评审团主席法布里斯·勒菲弗尔阿维尼翁大学教授论文指导奥利维尔·皮耶昆谷歌研究教授：智囊团论文联合主任菲利普·普雷教授，大学。里尔/CRISTAL/因里亚报告员奥利维耶·西格德索邦大学报告员卢多维奇·德诺耶教授，Facebook /索邦大学审查员越南圣迈IMT Atlantic高级讲师邀请弗洛里安·斯特鲁布博士，Deepmind对于那些及时看到自己错误的人...3谢谢你首先，我要感谢我的两位博士生导师Olivier和Philippe。奥利维尔，"站在巨人的肩膀上"这句话对你来说完全有意义了。从科学上讲，你知道在这篇论文的（许多）错误中，你是我可以依
recommend-type

【强化学习损失函数探索】：奖励函数与损失函数的深入联系及优化策略

![【强化学习损失函数探索】：奖励函数与损失函数的深入联系及优化策略](https://cdn.codeground.org/nsr/images/img/researchareas/ai-article4_02.png) # 1. 强化学习中的损失函数基础 强化学习（Reinforcement Learning, RL）是机器学习领域的一个重要分支，它通过与环境的互动来学习如何在特定任务中做出决策。在强化学习中，损失函数（loss function）起着至关重要的作用，它是学习算法优化的关键所在。损失函数能够衡量智能体（agent）的策略（policy）表现，帮助智能体通过减少损失来改进自