python xgboost_告别无聊循环！Python帮你自动化处理文件

全文共3488字，预计学习时长9分钟

图源：unsplash

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 osimport pandas as pddefloop_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 joblibimport osdefcreate_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 directorymodel_path ='model/model2/XGBoost/version_2'create_path_if_not_exists(model_path)# Save filejoblib.dump(model, model_path)

Bash for循环：用不同参数运行一个文件

图源：unsplash

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 sysimport 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。

留言点赞关注

我们一起分享AI学习与发展的干货

编译组：欧舒蔓、岳馨妍

相关链接：https://towardsdatascience.com/3-python-tricks-to-read-create-and-run-multiple-files-automatically-5221ebaad2ba

如转载，请私信小芯，遵守转载规范