Supprimer une colonne d'un dataframe

bonjour merci beaucoup j'ai un souci dans un bout de code pouvez vous m'aider svp je veux supprimer une colonne d'un dataframe la dernière je n'ai pas trouver et encore eu le temps de farfouiller sur google comment supprimer la derniere colonne d'un dataframe
merci d'avance :calim2:

Notez que vous êtes supposé avoir cherché un peu sur Internet avant de poser une question ici => si vous n'avez pas le temps (de faire votre boulot) pourquoi espérez qu'on va le faire à votre place?

- W

salut je n'ai pas pu cherche parce que j'avais un rdv medical j'ai demande a chatgpt il m'as sorti ce code que j'ai bidouiller ne maitrisant pas encore les réseaux de neurones et surtout les parametre et leur dimension j'ai un bug je vous suplie quelqu'un a t'il la solution

Code:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
import pandas as pd
import numpy as np
import tensorflow as tf
from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Embedding, SimpleRNN, Dense
from tensorflow.keras.preprocessing.text import Tokenizer
from tensorflow.keras.preprocessing.sequence import pad_sequences
from sklearn.model_selection import train_test_split
from sklearn.metrics import classification_report
 
# Charger vos données et les étiquettes correspondantes
spam_df = pd.read_csv('C:/Users/User/Documents/spambase/spambase.txt', sep="\t")
 
columns = ["Column_"+str(i+1) for i in range(spam_df.shape[1]-1)] + ['Spam']
spam_df.columns = columns
print(spam_df['Spam'])
spam_df2 = spam_df.drop(columns =['Spam'])
display(spam_df.head())
display(spam_df2.head())
display(spam_df2.head())
# Prétraitement des données (nettoyage, mise en minuscules, etc.)
 
# Diviser les données en ensembles d'entraînement et de test
X_train, X_test, y_train, y_test = train_test_split(spam_df2, spam_df['Spam'], test_size=0.2, random_state=42)
print(train_test_split(spam_df2, spam_df['Spam'], test_size=0.2, random_state=42))
print(y_train)
# Tokenization et padding
tokenizer = Tokenizer()
tokenizer.fit_on_texts(X_train)
X_train_seq = tokenizer.texts_to_sequences(X_train)
X_test_seq = tokenizer.texts_to_sequences(X_test)
vocab_size = len(tokenizer.word_index) + 1
max_sequence_length = max(len(seq) for seq in X_train_seq)
X_train_padded = pad_sequences(X_train_seq, maxlen=max_sequence_length, padding='post')
X_test_padded = pad_sequences(X_test_seq, maxlen=max_sequence_length, padding='post')
print(X_train_padded)
 
# Créer le modèle RNN
model = Sequential()
model.add(Embedding(input_dim=vocab_size, output_dim=64, input_length=max_sequence_length))
model.add(SimpleRNN(units=128, activation='tanh', return_sequences=True))
model.add(SimpleRNN(units=64, activation='tanh'))
model.add(Dense(units=1, activation='sigmoid'))
 
# Compiler le modèle
model.compile(optimizer='adam', loss='binary_crossentropy', metrics=['accuracy'])
 
# Entraîner le modèle
model.fit(X_train_padded, y_train, epochs=10, batch_size=32, validation_split=0.2)
 
# Évaluer le modèle
y_pred = model.predict(X_test_padded)
y_pred_classes = (y_pred > 0.5).astype(int)
print(classification_report(y_test, y_pred_classes))

:oops:
voici le bug

Code:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
UnimplementedError                        Traceback (most recent call last)
~\AppData\Local\Temp/ipykernel_15308/2652462471.py in <module>
     47 
     48 # Entraîner le modèle
---> 49 model.fit(X_train_padded, y_train, epochs=10, batch_size=32, validation_split=0.2)
     50 
     51 # Évaluer le modèle
 
~\anaconda\lib\site-packages\keras\utils\traceback_utils.py in error_handler(*args, **kwargs)
     65     except Exception as e:  # pylint: disable=broad-except
     66       filtered_tb = _process_traceback_frames(e.__traceback__)
---> 67       raise e.with_traceback(filtered_tb) from None
     68     finally:
     69       del filtered_tb
 
~\anaconda\lib\site-packages\tensorflow\python\eager\execute.py in quick_execute(op_name, num_outputs, inputs, attrs, ctx, name)
     52   try:
     53     ctx.ensure_initialized()
---> 54     tensors = pywrap_tfe.TFE_Py_Execute(ctx._handle, device_name, op_name,
     55                                         inputs, attrs, num_outputs)
     56   except core._NotOkStatusException as e:
 
UnimplementedError: Graph execution error:
 
Detected at node 'binary_crossentropy/Cast' defined at (most recent call last):
    File "C:\Users\User\anaconda\lib\runpy.py", line 197, in _run_module_as_main
      return _run_code(code, main_globals, None,
    File "C:\Users\User\anaconda\lib\runpy.py", line 87, in _run_code
      exec(code, run_globals)
    File "C:\Users\User\anaconda\lib\site-packages\ipykernel_launcher.py", line 16, in <module>
      app.launch_new_instance()
    File "C:\Users\User\anaconda\lib\site-packages\traitlets\config\application.py", line 846, in launch_instance
      app.start()
    File "C:\Users\User\anaconda\lib\site-packages\ipykernel\kernelapp.py", line 677, in start
      self.io_loop.start()
    File "C:\Users\User\anaconda\lib\site-packages\tornado\platform\asyncio.py", line 199, in start
      self.asyncio_loop.run_forever()
    File "C:\Users\User\anaconda\lib\asyncio\base_events.py", line 596, in run_forever
      self._run_once()
    File "C:\Users\User\anaconda\lib\asyncio\base_events.py", line 1890, in _run_once
      handle._run()
    File "C:\Users\User\anaconda\lib\asyncio\events.py", line 80, in _run
      self._context.run(self._callback, *self._args)
    File "C:\Users\User\anaconda\lib\site-packages\ipykernel\kernelbase.py", line 457, in dispatch_queue
      await self.process_one()
    File "C:\Users\User\anaconda\lib\site-packages\ipykernel\kernelbase.py", line 446, in process_one
      await dispatch(*args)
    File "C:\Users\User\anaconda\lib\site-packages\ipykernel\kernelbase.py", line 353, in dispatch_shell
      await result
    File "C:\Users\User\anaconda\lib\site-packages\ipykernel\kernelbase.py", line 648, in execute_request
      reply_content = await reply_content
    File "C:\Users\User\anaconda\lib\site-packages\ipykernel\ipkernel.py", line 353, in do_execute
      res = shell.run_cell(code, store_history=store_history, silent=silent)
    File "C:\Users\User\anaconda\lib\site-packages\ipykernel\zmqshell.py", line 533, in run_cell
      return super(ZMQInteractiveShell, self).run_cell(*args, **kwargs)
    File "C:\Users\User\anaconda\lib\site-packages\IPython\core\interactiveshell.py", line 2901, in run_cell
      result = self._run_cell(
    File "C:\Users\User\anaconda\lib\site-packages\IPython\core\interactiveshell.py", line 2947, in _run_cell
      return runner(coro)
    File "C:\Users\User\anaconda\lib\site-packages\IPython\core\async_helpers.py", line 68, in _pseudo_sync_runner
      coro.send(None)
    File "C:\Users\User\anaconda\lib\site-packages\IPython\core\interactiveshell.py", line 3172, in run_cell_async
      has_raised = await self.run_ast_nodes(code_ast.body, cell_name,
    File "C:\Users\User\anaconda\lib\site-packages\IPython\core\interactiveshell.py", line 3364, in run_ast_nodes
      if (await self.run_code(code, result,  async_=asy)):
    File "C:\Users\User\anaconda\lib\site-packages\IPython\core\interactiveshell.py", line 3444, in run_code
      exec(code_obj, self.user_global_ns, self.user_ns)
    File "C:\Users\User\AppData\Local\Temp/ipykernel_15308/2652462471.py", line 49, in <module>
      model.fit(X_train_padded, y_train, epochs=10, batch_size=32, validation_split=0.2)
    File "C:\Users\User\anaconda\lib\site-packages\keras\utils\traceback_utils.py", line 64, in error_handler
      return fn(*args, **kwargs)
    File "C:\Users\User\anaconda\lib\site-packages\keras\engine\training.py", line 1409, in fit
      tmp_logs = self.train_function(iterator)
    File "C:\Users\User\anaconda\lib\site-packages\keras\engine\training.py", line 1051, in train_function
      return step_function(self, iterator)
    File "C:\Users\User\anaconda\lib\site-packages\keras\engine\training.py", line 1040, in step_function
      outputs = model.distribute_strategy.run(run_step, args=(data,))
    File "C:\Users\User\anaconda\lib\site-packages\keras\engine\training.py", line 1030, in run_step
      outputs = model.train_step(data)
    File "C:\Users\User\anaconda\lib\site-packages\keras\engine\training.py", line 890, in train_step
      loss = self.compute_loss(x, y, y_pred, sample_weight)
    File "C:\Users\User\anaconda\lib\site-packages\keras\engine\training.py", line 948, in compute_loss
      return self.compiled_loss(
    File "C:\Users\User\anaconda\lib\site-packages\keras\engine\compile_utils.py", line 201, in __call__
      loss_value = loss_obj(y_t, y_p, sample_weight=sw)
    File "C:\Users\User\anaconda\lib\site-packages\keras\losses.py", line 139, in __call__
      losses = call_fn(y_true, y_pred)
    File "C:\Users\User\anaconda\lib\site-packages\keras\losses.py", line 243, in call
      return ag_fn(y_true, y_pred, **self._fn_kwargs)
    File "C:\Users\User\anaconda\lib\site-packages\keras\losses.py", line 1920, in binary_crossentropy
      y_true = tf.cast(y_true, y_pred.dtype)
Node: 'binary_crossentropy/Cast'
Cast string to float is not supported
	 [[{{node binary_crossentropy/Cast}}]] [Op:__inference_train_function_9785]

merci d'avance je continue a chercher je paye un repas a celui qui trouve:D

Citation:

Envoyé par s2a07

je n'ai pas pu cherche parce que j'avais un rdv medical

Trouver la réponse à votre question prend une poignée de secondes, et si vous n'êtes pas dispo. ça peut attendre votre retour (le Web ne va pas disparaître d'ici là sauf en cas de cataclysme nucléaire mais vous n'en aurez alors plus besoin).

Citation:

Envoyé par s2a07

j'ai demande a chatgpt il m'as sorti ce code que j'ai bidouiller ne maitrisant pas encore les réseaux de neurones et surtout les parametre et leur dimension

ChatGPT, c'est comme recopier des codes sources sur Internet, si on a pas besoin d'y toucher et que ça marche, pourquoi pas mais si on doit adapter le code, il faut avoir un niveau proche de ceux qui l'ont écrit.

Donc si vous ne maîtrisez pas les réseaux de neurones, il faut apprendre plutôt que faire semblant de... et poser ce genre de question dans le bon forum (que Python soit un bon outil vu les bibliothèques accessibles, ça reste une spécialité en soi: imaginez toutes les utilisation qu'on peut faire d'un marteau: le plombier n'en fait pas la même chose qu'un sculpteur).

Et accessoirement, "supprimer une colonne dans un dataframe", sujet initial n'a rien à voir avec celui-ci: respectez un peu les règles qui régissent ces forums... C'est un minimum lorsqu'on demande de l'aide.

- W

ça semble toujours être le même type de problème que précédemment (cf https://www.developpez.net/forums/d2...ith-base-10-a/ )

Code:

Cast string to float is not supported

Problème de conversion d'une chaine en valeur numérique (peut-être lié au séparateur décimal défini et utilisé (sur les OS français, en principe, c'est la virgule qui est définie en séparateur décimal, or dans le fichier (si c'est celui que j'ai trouvé dans l'autre post) c'est le point qui est utilisé; donc peut-être changer le séparateur défini dans les options régionales de ton système en point au lieu de la virgule ?

bonjour et merci pour ton aide mais il me semble que l'erreur de chatgpt viens de la dimension de la variable d'apprentissage par rapport a la variable terrain y_train mais je ne vois pas comment corriger un bug de chatgpt inherant a l'api tensorflow et un adjustement des données afin de faire une classification des spams via de l'apprentissage et l'entrainement d'un réseaux de neurone
merci d'avance pour ton aide

Citation:

Envoyé par s2a07

je ne vois pas comment corriger un bug de chatgpt inherant a l'api tensorflow et un adjustement des données afin de faire une classification des spams via de l'apprentissage et l'entrainement d'un réseaux de neurone

Faut-il vous répéter que jouer avec un réseau de neurones n'a rien à voir avec Python et qu'il y a des forums bien plus adaptés pour demander de l'aide?
Imaginez faire du calcul vectoriel... les opérations à effectuer seront peut être réalisées avec numpy mais quelles opérations faire n'a rien à voir...

- W