发布
登录
注册
告别无聊循环!Python帮你自动化处理文件
工具频道

图灵联邦

恒河沙
关注

图灵联邦

0

评论

0

点赞

本文转载自公众号“读芯术”(ID:AI_Discovery)
img

当代码投入生产时,你需要去组织代码的文件。读写、创建和运行许多代码文件是件非常耗时的事。本文将展示如何自动化这些繁琐的操作:

  • 遍历一个目录中的文件
  • 创建尚未建立的嵌套文件
  • 使用bash for循环来运行一个有多个输入端的文件

在处理数据科学项目时,这些技巧为笔者节省了大量的时间。希望对你也有用!

遍历一个目录中的文件

如果有如下多个数据需要读取和处理:

├── data 
│   ├── data1.csv 
│   ├── data2.csv 
│   └── data3.csv 
└── main.py

可以手动地一次读取一个文件:

import pandas as pd def process_data(df): 
   passdf = pd.read_csv(data1.csv) 
process_data(df)df2 = pd.read_csv(data2.csv) 
process_data(df2)df3 = pd.read_csv(data3.csv) 
process_data(df3)

这是可行的,但是当有超过三个数据时,效率就会变得很低。如果上述脚本中唯一改变的是数据,为什么不用for循环来访问每个数据呢?

下面的脚本允许我们遍历指定目录中的文件:

import os 
      import pandas as pd 
      defloop_directory(directory:str): 
         '''Loop files in thedirectory''' 
                 for filename in os.listdir(directory): 
             if filename.endswith(".csv"): 
                  file_directory = os.path.join(directory,filename) 
                  print(file_directory) 
                  pd.read_csv(file_directory) 
                               if __name__=='__main__': 
         loop_directory('data/') 

data/data3.csv 
data/data2.csv 
data/data1.csv

对上面脚本的解释如下:

  • for filename in os.listdir(directory) : 在一个指定的目录中遍历文件。
  • if filename.endswith(".csv") :运行(访问?)以‘.csv’ 结尾的文件。
  • file_directory = os.path.join(directory, filename) : 连接父目录(' data ')和该目录中的文件。

现在就可以在‘data’目录中访问所有的文件啦!

如果不存在,就创建嵌套文件

有时你可能想要通过创建嵌套文件来管理代码或模型,在之后更容易地寻找。比如,可以运用‘model 1’来明确规定一个有着具体特征的程序。当使用model 1时,你可能想要尝试运用不同种类的机器学习模型来训练数据(‘model1/XGBoost’)。

在使用各个机器学习模型时,我们甚至想要去保存不同样式的模型,因为它们所运用的超参数存在不同。因此,模型目录就像下面的示例一样复杂:

model 
├── model1 
│   ├── NaiveBayes 
│   └── XGBoost 
│       ├── version_1 
│       └── version_2 
└── model2 
    ├── NaiveBayes 
    └── XGBoost 
        ├── version_1 
        └── version_2

对每个所创的模型手动地建立嵌套文件可能需要花费很长的时间。有没有能够自动化这个进程的方法?有,通过使用 os.makedirs(datapath)。

defcreate_path_if_not_exists(datapath): 
                                     '''Create the new file if not exists andsave the data''' 
                 ifnot os.path.exists(datapath): 
                                         os.makedirs(datapath) 

                                 if __name__=='__main__': 
                          create_path_if_not_exists('model/model1/XGBoost/version_1')

运行上面的文件,可以看到嵌套文件‘model/model2/XGBoost/version_2’自动建成了。现在便可以将模型或者数据储存到新的目录里了!

import joblib 
      import os 
             defcreate_path_if_not_exists(datapath): 
          '''Create thenew file if not exists and save the data''' 
                 ifnot os.path.exists(datapath): 
             os.makedirs(datapath) 
             if __name__=='__main__': 
               # Create directory 
       model_path ='model/model2/XGBoost/version_2' 
        create_path_if_not_exists(model_path) 
          # Save file 
       joblib.dump(model, model_path)

Bash for循环:用不同参数运行一个文件

如果要运行一个具有不同参数的文件怎么办呢?比如,可能要用同一个脚本去预测使用不同模型的数据。

import joblib 
             # df = ... 
             model_path ='model/model1/XGBoost/version_1' 
      model = joblib.load(model_path) 
      model.predict(df)

如果一个脚本需要长时间来运行且有着多个要运行的模型,用脚本一个一个地运行会是非常耗时。有什么办法能让电脑独立自动地用一条命令行运行第1,2,3...,10个模型吗?

有的,可以使用bash for循环。首先,使用sys.argv来解析命令行参数。如果想要在命令行上重写配置文件可以使用类如hydra的工具。

import sys 
      import joblib 
             # df = ... 

             model_type = sys.argv[1] 
      model_version = sys.argv[2] 
      model_path =f'''model/model1/{model_type}/version_{model_version}''' 
      print('Loading modelfrom', model_path, 'for training') 
             model = joblib.load(model_path) 
      mode.predict(df) 
>>> python train.py XGBoost 1 
Loading model from model/model1/XGBoost/version_1 for training

脚本已经被指令为使用模具第一版的XGBoost来预测命令行上的数据。现在便能在不同版本的模具中使用bash for循环。如果能用Python使用for循环,也可以在如下的终端上达成上述的目标。

$ for version in 2 3 4 
> do 
> python train.py XGBoost $version 
> done

敲击Enter来分隔各行,输出:

Loading model from model/model1/XGBoost/version_1 for training 
Loading model from model/model1/XGBoost/version_2 for training 
Loading model from model/model1/XGBoost/version_3 for training 
Loading model from model/model1/XGBoost/version_4 for training

现在便可以让脚本使用不同的模具来运行啦!

恭喜!现在你已经学会如何一次自动地读取和创造多个文件,如何用不同的参数运行一个文档,过去丢在琐碎工作中的时间可以利用起来做更重要的任务啦。

发布

评论 0