forked from tdwojak/Python2018
21 lines
1.1 KiB
Python
21 lines
1.1 KiB
Python
|
"""
|
||
|
|
**ćwiczenie 5**
|
||
|
|
Katalog scores zawiera 64 pliki tekstowe, które posiadają informacje o wysokości miary ``BLEU`` na różnych etapach trenowania modelu. Nazwa każdego pliku na postać ``model.iterXXXXXXX.npz.bleu``, gdzie ``XXXXXXX``, to liczba iteracji.Zawartość każdego pliku jest podobna i ma następującą formę: *BLEU = YY.YY, 44.4/18.5/9.3/5.0 (BP=1.000, ratio=1.072, hyp_len=45976, ref_len=42903)*, gdzie ``YY.YY`` to wartość miary ``BLEU``. Znajdź plik, który zawiera najwyższą wartość miary ``BLEU``.
|
||
|
|
* Wykorzystaj bibliotekę ``glob`` (https://docs.python.org/2/library/glob.html)
|
||
|
|
* Wyświetl tylko pełną nazwe pliku (wraz z ścieżką).
|
||
|
|
"""
|
||
|
|
|
||
|
|
import pandas as pd
|
||
|
|
import glob
|
||
|
|
|
||
|
|
path = r'/home/ghermann/code/python_td/labs04/scores' #change for your system
|
||
|
|
files = glob.glob(path + '/*.npz.bleu')
|
||
|
|
|
||
|
|
dfs = [pd.read_csv(fp, sep = " ", header = None).assign(filepath = fp) for fp in files]
|
||
|
|
df = pd.concat(dfs, ignore_index = True)
|
||
|
|
|
||
|
|
df[2] = df[2].map(lambda c: c.rstrip(','))
|
||
|
|
df[2] = pd.to_numeric(df[2], errors = 'coerce')
|
||
|
|
|
||
|
|
print(df.at[df[2].idxmax(), 'filepath'])
|