Question

我正在使用带有conda和Python 3的Jupyter Notebook。最近，即使代码执行完成，内核也很忙，并且执行时间比平时更长。我一直在搜索，但没有结果。有什么建议吗？

编辑：抱歉，我太笼统了。我正在尝试自己找出问题所在，因此我们将不胜感激。重新运行几次代码后，似乎每当我运行以下代码块时，它就会发生：

train_X = np.array(train_X)
train_Y = np.array(train_Y)

以前的代码如下：

# In[1]:    
import pandas as pd
from collections import OrderedDict    

# In[2]:   
df = pd.read_csv('df.csv')
people_list = df['ID'].unique()
product_list = df['product'].unique() 

# Out[2]:
    ID  product     M1  M2  M3  class
0   0   A           1   2   6   1
1   1   B           2   3   7   1
2   2   C           3   4   3   0
3   0   C           4   3   2   1
4   1   A           5   4   3   1
5   2   B           6   6   1   0  

# In[3]:    
people_dict = {}
target_dict = {}

for i in range(len(people_list)):
    key = people_list[i]
    new_df = df[df['ID'] == people_list[i]]
    new_df = new_df.transpose()
    new_df.columns = new_df.iloc[1]
    new_df = new_df[2:-1]   
    people_dict[key] = new_df
    target_dict[key] = df.iat[i, 5]

for key in people_dict.keys():
    for i in product_list:
        if i not in people_dict[key].columns:
            people_dict[key][i] = [0]*3
    people_dict[key] = people_dict[key].reindex(sorted(people_dict[key].columns), axis = 1)

# In[5]:    
people_values = OrderedDict()
target_values = OrderedDict()

# extract the value of the dataframe
for key in people_dict.keys():
    people_values[key] = people_dict[key].values
    target_values[key] = target_dict[key]

# In[6]:
n_samples = 1
timestes = 3
n_features = 3

train_input = list(people_values.values())
train_target = list(target_values.values())

train_X = []
train_Y = []

for i in range(len(train_input)):
    train_X.append(train_input[i])
    train_Y.append(train_target[i])

# In[7]:
train_X = np.array(train_X)
train_Y = np.array(train_Y)

基本上，我正在尝试使用Keras LSTM进行一些分类，输入是1个人的历史销售额，输出是他们的类别，“好”或“不好”。

真实的数据集有6万行，但是我简化了数据集，所以每个人都可以更轻松地关注。以前使用此数据集时，我从未遇到过此问题。

非常感谢您提出任何建议。

Answer 1

事实证明，将变量转换为numpy数组只是一个问题，如here所示。我只是解决它。

执行代码后Jupyter Kernel忙

1 个答案: