df_selected = data.loc[(data['贸易伙伴名称']=='韩国'),['商品名称','人民币']] count =df_selected['人民币'] fig = plt.figure( figsize=(12,10), FigureClass=Waffle, rows=10, columns=20, values=count, legend=df_selected['商品名称'] ) plt.show()不显示图像
时间: 2023-06-13 22:08:47 浏览: 38
可能有几种原因导致图像不显示:
1. 没有导入 matplotlib.pyplot 库,可以尝试在代码开头加上 `import matplotlib.pyplot as plt`
2. 没有正确安装 waffle 库,可以尝试在终端输入 `!pip install pywaffle` 来安装该库
3. plt.show() 没有被正确调用,可以尝试在 plt.show() 前加上 `%matplotlib inline`
4. 代码中有其他错误,导致程序无法正常运行,可以尝试检查代码中是否有错误并进行修正。
相关问题
for train_index, test_index in split.split(data, data["label"]): strat_train_set = data.loc[train_index] strat_test_set = data.loc中strat_test_set = data.loc是什么意思
?回答:strat_test_set = data.loc 是一行代码,它的作用是基于索引位置从数据集中选择测试数据集。通过.loc方法,我们可以根据布尔索引选择行和列。在这个例子中,它是选择测试数据集的行。
若X = data.loc[:, data.columns != 'day_28_flg'] X_imputed = imputer.fit_transform(X),我该怎么改X_imputed = imputer.fit_transform(X) X_imputed = pd.get_dummies(X_imputed)
如果你的特征矩阵`X`中包含类别型特征,那么你在对`X`进行缺失值填充后,需要对类别型特征进行编码,才能使用特征选择方法。因此,你需要修改代码如下:
```python
X = data.loc[:, data.columns != 'day_28_flg']
X_imputed = imputer.fit_transform(X)
X_imputed = pd.DataFrame(X_imputed, columns=X.columns) # 将numpy数组转换为DataFrame,并设置列名
X_imputed = pd.get_dummies(X_imputed) # 对所有特征进行独热编码
selector.fit(X_imputed, y)
X_selected = X_imputed.loc[:, selector.get_support()] # 获取被选中的特征
```
其中,`columns=X.columns`是用来设置DataFrame的列名,保证特征选择后的DataFrame列名与原始的DataFrame列名一致。`X_imputed = pd.get_dummies(X_imputed)`是对所有特征进行独热编码。`X_selected = X_imputed.loc[:, selector.get_support()]`是获取被选中的特征。需要注意的是,`selector.get_support()`返回的是一个布尔型的数组,用来表示每个特征是否被选中,因此可以直接用来对DataFrame进行列索引。