add test file

tensnsorflow/test.py

@@ -41,7 +41,6 @@ class multiFFMFormatPandas:
         return self
 
     def fit_transform(self, df, y=None,z=None,n=50000,processes=4):
-        # n是每个线程运行最大的数据条数,processes是线程数
         self.fit(df, y,z)
         n = n
         processes = processes
@@ -78,13 +77,13 @@ class multiFFMFormatPandas:
         return  ''.join(ffm)+' '.join(ffm1)
 
     def transform(self, df,n=1500,processes=2):
-        # n是每个线程运行最大的数据条数,processes是线程数
+
         t = df.dtypes.to_dict()
         data_list = self.data_split_line(df,n)
 
-        # 设置进程的数量
+
         pool = Pool(processes)
-        print("总进度: " + str(len(data_list)))
+        print("all: " + str(len(data_list)))
         for i in range(len(data_list)):
             data_list[i] = pool.apply_async(self.pool_function, (data_list[i], t,))
 
@@ -96,11 +95,11 @@ class multiFFMFormatPandas:
 
         return pd.Series(result_map)
 
-    # 多进程计算方法
+
     def pool_function(self, df, t):
         return {idx: self.transform_row_(row, t) for idx, row in df.iterrows()}
 
-    # 切分数据方法，传人dataframe和切分条数的步长,返回dataframe的集合，每个dataframe中含有若干条数据
+
     def data_split_line(self, data, step):
         data_list = []
         x = 0
@@ -112,27 +111,17 @@ class multiFFMFormatPandas:
                 data_list.append(data.iloc[x:data.__len__()])
                 break
 
-        '''
-        # 返回生成器方法，但是本地测试效率不高
-        x = 0
-        while True:
-            if x + step < data.__len__():
-                yield data.iloc[x:x + step]
-                x = x + step + 1
-            else:
-                yield data.iloc[x:data.__len__()]
-                break
-        '''
+
 
         return data_list
 
-    # 原生转化方法，不需要多进程
+
     def native_transform(self, df):
             t = df.dtypes.to_dict()
             return pd.Series({idx: self.transform_row_(row, t) for idx, row in df.iterrows()})
 
 
-    # 下面这个方法不是这个类原有的方法，是新增的。目的是用来判断这个用户是不是在训练数据集中存在
+
     def is_feature_index_exist(self, name):
         if name in self.feature_index_:
             return True