- 找到matplotlib 配置文件：
import matplotlib
print(matplotlib.matplotlib_fname())
# 我自己的输出结果如下：
# D:\Program Files\Python36\Lib\site-packages\matplotlib\mpl-data
- 编辑器打开此文件 matplotlibrc
删除font.family和font.sans-serif两行前的#，并在font.sans-serif后添加微软雅黑字体Microsoft YaHei
下载字体:SimHei.ttf（黑体） 或者 msyh.ttf (微软雅黑)
放在matplotlib 字体目录中添加SimHei.ttf的字体文件
C:\Users\Thinkpad\anaconda3\envs\python3.7\Lib\site-packages\matplotlib\mpl-data\fonts\ttf
（import matplotlib之后才会出现这个目录）
P.S. SimHei.ttf 可以在C:/Windows/fonts中找到。
- 删除.matplotlib/cache里面的两个缓存字体文件
C:\Users\你的用户名.matplotlib - 添加代码（缺什么补什么）
from matplotlib import font_manager as fm, rcParams
import matplotlib as plt
plt.rcParams['font.sans-serif']=['SimHei']
plt.rcParams['axes.unicode_minus']=False
- 重启Python
- 在输出位置多增加3行输出
for i in range(len(words)):
plt.text(U[i, 0], U[i, 1], words[i])
print(words[i])
print(U[i,0])
print(U[i,1])
观察输出值落入的范围，修改以下范围代码。
[En]
Observe the range in which the output value falls, and modify the following range code.
plt.xlim(-0.5, -0.1)
plt.ylim(-0.5, 0.4)
Original: https://blog.csdn.net/weixin_43095939/article/details/122979038
Author: 半杯知识
Title: 【chp2】车万翔-自然语言处理：基于预训练模型的方法
相关阅读
Title: python pandas.merge_ordered 用法及代码示例
pandas.merge_ordered(left, right, on=None, left_on=None, right_on=None,
left_by=None, right_by=None, fill_method=None,
suffixes=('_x', '_y'), how='outer')
（1） left： 用于连接的 左DataFrame
（2） right： 用于连接的 右DataFrame
（3） on： 连接关键字。 必须 同时存在于 左DataFrame、右DataFrame
（4） left_on： 左DataFrame 中用于连接的关键字
（5） right_on： 右DataFrame 中用于连接的关键字
（6） left_by： 对 左DataFrame 进行分组的关键字
（7） right_by： 对 右DataFrame 进行分组的关键字
（8） fill_method： 对缺失数据填充的值
（9） suffixes： 连接后，同时存在于 左DataFrame、右DataFrame 中的字段，添加的后缀名
（10） how： 连接方式。默认为 外连接
注意： 1> 使用参数 on 时，不能同时使用 “left_on” 或 “right_on”
2> left_on 与 right_on 必须同时存在
3> 如果 on、left_on 、right_on 的参数值均为空时， 默认以 同时存在于两个 DataFrame 中的列，为连接关键字。
如果不存在共同列，将会报错：pandas.errors.MergeError: No common columns to perform merge on.
3> left_by 与 right_by 不能同时存在
构造数据源：df1、df2
df1 = pd.DataFrame(
{
"key": ["a", "c", "e", "a", "c", "e"],
"lvalue": [1, 2, 3, 1, 2, 3],
"group": ["a", "a", "a", "b", "b", "b"]
}
)
df2 = pd.DataFrame({"key": ["b", "c", "d"], "rvalue": [1, 2, 3]})
（1）如果 left_by 与 right_by 均为空，等价于 merge
pd.merge_ordered(df1, df2).sort_values(by=["key", "lvalue"], ignore_index=True)
pd.merge(df1, df2, how="outer").sort_values(by=["key", "lvalue"], ignore_index=True)
（2）如果 left_by 或 right_by 不为空，会先按这个参数值对 DataFrame 进行分组，将分组后的 DataFrame 再进行连接
pd.merge_ordered(df1, df2, left_by="group")
"""
第一步：将 df1 根据 group 进行分组
第二步：将分组后的 df1 中每一组的数据，通过连接关键字 key 与 df2 进行连接
"""
pd.merge_ordered(df1, df2, right_by="rvalue")
"""
第一步：将 df2 根据 rvalue 进行分组
第二步：将分组后的 df2 中每一组的数据，通过连接关键字 key 与 df1 进行连接
"""
如果，”left_by 或 right_by 的值” 与 “连接关键字” 相同，那无论是什么连接方式，结果都一样
pd.merge_ordered(df1, df2, right_by="key")
pd.merge_ordered(df1, df2, right_by="key", how="left")
pd.merge_ordered(df1, df2, right_by="key", how="right")
pd.merge_ordered(df1, df2, left_by="key")
pd.merge_ordered(df1, df2, left_by="key", how="inner")
pd.merge_ordered(df1, df2, left_by="key", how="right")
Original: https://blog.csdn.net/ljr_123/article/details/114015181
Author: jieru_liu
Title: python pandas.merge_ordered 用法及代码示例
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/330135/
转载文章受原作者版权保护。转载请注明原作者出处！
