学习的notebook
https://www.kaggle.com/kiranchaudharyy/few-best-public-notebook-and-dataset-ensemble
https://www.kaggle.com/nickuzmenkov/ranzcr-clip-making-sense-from-annotations
代码技术：
Python isinstance() 函数，判断是否是这个类。
anno_df.index.drop_duplicates()显然是删掉index重复的那些行。
anno_df.index.nunique()}/{len(main_df):这显然是计算有标注的图片占总的图片的比例，nunique——将索引中那些重复值只保留1个，一个图片可能会有多个anno，但是我们统计有标注的图片数量，而非anno
主要的思路过一遍：
main_df = pd.read_csv(
os.path.join(root, ‘train.csv’),
index_col=‘StudyInstanceUID’).drop(‘PatientID’, axis=1)
这句话是读入比赛csv文件，然后以图片ID而不是病人ID作为Index;
之后画图这一部分做的非常精彩，plt.barh顾名思义是横向的条形图。
对annotation的csv形成的dataframe进行处理，用value_counts得到一个频次，然后用这些类标签作为新的标签（原来是图片的序号是标签）
可以看到使用reindex之前的标签顺序。
他和上面那张图里，顺序是不一样的。
对于main_df，即由train.csv生成的，我们用算子（pd.Series.value_counts）来处理，即对每列统计频数的算子。
然后loc方法取出频数为1的统计（即统计相关存在的属性个数，而不是统计标注的）。
这里频数为1其实是包括了anno和无anno的，所以作者画图是又用了一个技巧，就是用红色作为背景色，然后蓝色是anno的，覆盖在总的红上，所以露出来的红色就是无anno的！
可以注意到，main_df里没有超过1的值，这里面要么是0，要么是1，因此他代表某张图是否存在某个类别，而不体现类别的数量。
接下来统计了有标注和没有标注的图片的数量；利用标记的那个CSV文件anno，按照他的索引去重，这个的索引用reindex方法，映射到main_df索引上，促使其重新排序，得到一个新的data frame main_df_count.
定义了一个，解析用的方法parse_，他返回一个解析的一个长度为类别数目的一个数组.那传入的这个字符串跟这个类别的名称相同的时候，就在对应类别的那个位置，把它赋值为一，然后返回 。
上面去重后的索引在下边又用到了:
新建了一个dataframe:
他的这个列是类别数目，然后它的索引是刚才用的那个索引。
然后下边就是遍历这个索引：
循环体内部，对应寻找那个索引在anno-df中的值，在这个指导中提取了这一行类别的名字，传入刚才提到的那个解析的函数parse_，然后就会返回一个长度为类别数目、记载着对应类别位置是相应的类别数目的一个numpy数组。事实上，这一个anno df count和main df，他们两个的性质是不同的，前者是经过去重之后，统计类别anno个数，后者则是也不重复，但只统计类别的存在，而不会计算个数。
In-over-和正好complete，其实就是对，存在，一个还是零个还是多个的一个统计。
不完备的话就代表，这个标注是不全的，明明存在类别，但是没有标注—— 0
完备的话就代表存在一个标注，而且对应的类别也是存在的——1
过完备的话就代表这个类别是显示是存在的，而且实际上这个类别有多个标注——多个
最后作者train_annoated.csv返回的实际上是，那些被完毕，标注的图片.
Few best public notebook and dataset ensemble学习：
https://blog.csdn.net/qq_44065334/article/details/114377288