คำถามติดแท็ก python

ฉันต้องการค้นหาแถวที่มีสตริงดังนี้: DF[DF.col.str.contains("foo")] อย่างไรก็ตามสิ่งนี้ล้มเหลวเนื่องจากองค์ประกอบบางอย่างเป็น NaN: ValueError: ไม่สามารถสร้างดัชนีด้วยเวกเตอร์ที่มีค่า NA / NaN ดังนั้นฉันจึงหันไปหาสิ่งที่สับสน DF[DF.col.notnull()][DF.col.dropna().str.contains("foo")] มีวิธีที่ดีกว่า?

118 python  pandas 

ความช่วยเหลือใด ๆ เกี่ยวกับปัญหานี้จะได้รับการชื่นชมอย่างมาก โดยพื้นฐานแล้วฉันต้องการเรียกใช้แบบสอบถามไปยังฐานข้อมูล SQL ของฉันและจัดเก็บข้อมูลที่ส่งคืนเป็นโครงสร้างข้อมูล Pandas ฉันได้แนบรหัสสำหรับแบบสอบถาม ฉันกำลังอ่านเอกสารเกี่ยวกับ Pandas แต่ฉันมีปัญหาในการระบุประเภทการส่งคืนของคำถามของฉัน ฉันพยายามพิมพ์ผลการสืบค้น แต่ไม่ได้ให้ข้อมูลที่เป็นประโยชน์ ขอบคุณ !!!! from sqlalchemy import create_engine engine2 = create_engine('mysql://THE DATABASE I AM ACCESSING') connection2 = engine2.connect() dataid = 1022 resoverall = connection2.execute(" SELECT sum(BLABLA) AS BLA, sum(BLABLABLA2) AS BLABLABLA2, sum(SOME_INT) AS SOME_INT, sum(SOME_INT2) AS SOME_INT2, 100*sum(SOME_INT2)/sum(SOME_INT) AS …

118 python  mysql  data-structures  pandas 

ฉันต้องการแปลงอาร์เรย์ 1 มิติเป็นอาร์เรย์ 2 มิติโดยระบุจำนวนคอลัมน์ในอาร์เรย์ 2 มิติ สิ่งที่จะได้ผลเช่นนี้: > import numpy as np > A = np.array([1,2,3,4,5,6]) > B = vec2matrix(A,ncol=2) > B array([[1, 2], [3, 4], [5, 6]]) numpy มีฟังก์ชันที่เหมือนกับฟังก์ชัน "vec2matrix" ของฉันหรือไม่ (ฉันเข้าใจว่าคุณสามารถสร้างดัชนีอาร์เรย์ 1D ได้เช่นอาร์เรย์ 2 มิติ แต่นั่นไม่ใช่ตัวเลือกในโค้ดที่ฉันมี - ฉันจำเป็นต้องทำการแปลงนี้)

118 python  arrays  matrix  numpy  multidimensional-array 

ฉันมีข้อกำหนดดังต่อไปนี้: ./xyifier --prox --lport lport --rport rport สำหรับอาร์กิวเมนต์ prox ฉันใช้ action = 'store_true' เพื่อตรวจสอบว่ามีอยู่หรือไม่ ฉันไม่ต้องการข้อโต้แย้งใด ๆ แต่ถ้าตั้งค่า--prox ฉันต้องการ rport และ lport ด้วย มีวิธีง่ายๆในการทำเช่นนี้ด้วย argparse โดยไม่ต้องเขียนโค้ดตามเงื่อนไขที่กำหนดเอง รหัสเพิ่มเติม: non_int.add_argument('--prox', action='store_true', help='Flag to turn on proxy') non_int.add_argument('--lport', type=int, help='Listen Port.') non_int.add_argument('--rport', type=int, help='Proxy port.')

118 python  argparse 

อะไรคือวิธีที่เป็นสำนวนที่สุดในการบรรลุสิ่งต่อไปนี้ใน Haskell: foldl (+) 0 [1,2,3,4,5] --> 15 หรือเทียบเท่าใน Ruby: [1,2,3,4,5].inject(0) {|m,x| m + x} #> 15 เห็นได้ชัดว่า Python มีreduceฟังก์ชันซึ่งเป็นการใช้งานแบบพับตามที่กล่าวข้างต้นอย่างไรก็ตามฉันได้รับแจ้งว่าวิธีการเขียนโปรแกรมแบบ 'pythonic' คือการหลีกเลี่ยงlambdaคำศัพท์และฟังก์ชันลำดับที่สูงกว่าโดยเลือกใช้ความเข้าใจในรายการหากเป็นไปได้ ดังนั้นจึงมีวิธีที่ดีกว่าในการพับรายการหรือโครงสร้างแบบรายการใน Python ที่ไม่ใช่reduceฟังก์ชันหรือเป็นreduceวิธีที่เป็นสำนวนในการบรรลุสิ่งนี้หรือไม่?

118 python  list  functional-programming  reduce  fold 

ฉันคิดไม่ออกว่ามันsklearn.pipeline.Pipelineทำงานอย่างไร มีคำอธิบายที่ไม่กี่คนในที่มีเอกสาร ตัวอย่างเช่นพวกเขาหมายถึงอะไร: ท่อส่งของการแปลงด้วยตัวประมาณค่าสุดท้าย เพื่อให้คำถามของฉันชัดเจนขึ้นมีstepsอะไรบ้าง? พวกเขาทำงานอย่างไร? แก้ไข ขอบคุณสำหรับคำตอบที่ทำให้คำถามของฉันชัดเจนขึ้น: เมื่อฉันเรียกไปป์ไลน์และผ่านเป็นขั้นตอนหม้อแปลงสองตัวและตัวประมาณหนึ่งตัวเช่น: pipln = Pipeline([("trsfm1",transformer_1), ("trsfm2",transformer_2), ("estmtr",estimator)]) จะเกิดอะไรขึ้นเมื่อฉันเรียกสิ่งนี้ pipln.fit() OR pipln.fit_transform() ฉันคิดไม่ออกว่าตัวประมาณจะเป็นหม้อแปลงได้อย่างไรและจะติดตั้งหม้อแปลงได้อย่างไร

118 python  machine-learning  scikit-learn  neuraxle 

ฉันมีสองรายการที่ฉันต้องรวมโดยที่รายการที่สองมีรายการที่ซ้ำกันของรายการแรกที่ละเว้น .. อธิบายยากไปหน่อยขอผมแสดงตัวอย่างว่าโค้ดมีลักษณะอย่างไรและผลลัพธ์ที่ผมต้องการคืออะไร first_list = [1, 2, 2, 5] second_list = [2, 5, 7, 9] # The result of combining the two lists should result in this list: resulting_list = [1, 2, 2, 5, 7, 9] คุณจะสังเกตเห็นว่าผลลัพธ์มีรายการแรกรวมถึงค่า "2" สองค่า แต่ความจริงที่ second_list ยังมีค่า 2 และ 5 เพิ่มเติมจะไม่ถูกเพิ่มลงในรายการแรก โดยปกติสำหรับสิ่งนี้ฉันจะใช้ชุด แต่ชุดใน first_list จะล้างค่าที่ซ้ำกันที่มีอยู่แล้ว …

118 python  list 

ฉันต้องการเพียงแค่เส้นทางโฟลเดอร์จากเส้นทางแบบเต็มไปยังไฟล์ ตัวอย่างเช่นT:\Data\DBDesign\DBDesign_93_v141b.mdbและฉันต้องการรับเพียงT:\Data\DBDesign(ไม่รวม\DBDesign_93_v141b.mdb) ฉันได้ลองสิ่งนี้แล้ว: existGDBPath = r'T:\Data\DBDesign\DBDesign_93_v141b.mdb' wkspFldr = str(existGDBPath.split('\\')[0:-1]) print wkspFldr แต่มันทำให้ฉันได้ผลลัพธ์เช่นนี้: ['T:', 'Data', 'DBDesign'] ซึ่งไม่ใช่ผลลัพธ์ที่ฉันต้องการ (เป็นT:\Data\DBDesign) มีแนวคิดเกี่ยวกับวิธีรับเส้นทางไปยังไฟล์ของฉันหรือไม่

118 python  file  path  directory  extract 

อะไรคือความแตกต่างระหว่างsubprocess.Popen()และos.system()?

118 python  subprocess  system 

คำถามเดิมนั้นเกี่ยวกับการใช้งาน TensorFlow โดยเฉพาะ อย่างไรก็ตามคำตอบสำหรับการใช้งานโดยทั่วไป คำตอบทั่วไปนี้เป็นคำตอบที่ถูกต้องสำหรับ TensorFlow เมื่อใช้ batch normalization และ dropout ใน TensorFlow (โดยเฉพาะการใช้ Contrib.layers) ฉันต้องกังวลเกี่ยวกับการสั่งซื้อหรือไม่ ดูเหมือนเป็นไปได้ว่าถ้าฉันใช้การออกกลางคันตามด้วยการทำให้เป็นมาตรฐานแบทช์ทันทีอาจมีปัญหา ตัวอย่างเช่นหากการเปลี่ยนแปลงในการปรับมาตรฐานแบตช์ไปสู่จำนวนสเกลที่ใหญ่ขึ้นของผลลัพธ์การฝึกอบรม แต่การเปลี่ยนแปลงเดียวกันนั้นจะถูกนำไปใช้กับตัวเลขสเกลที่เล็กลง (เนื่องจากการชดเชยสำหรับการมีเอาต์พุตมากกว่า) โดยไม่ต้องออกกลางคันระหว่างการทดสอบ กะอาจจะปิด เลเยอร์การปรับมาตรฐานแบตช์ TensorFlow ชดเชยสิ่งนี้โดยอัตโนมัติหรือไม่ หรือไม่เกิดขึ้นด้วยเหตุผลบางอย่างที่ฉันหายไป? นอกจากนี้ยังมีข้อผิดพลาดอื่น ๆ ที่ควรระวังเมื่อใช้ทั้งสองอย่างร่วมกัน? ตัวอย่างเช่นสมมติว่าผมใช้พวกเขาในลำดับที่ถูกต้องในการไปถึงข้างต้น (สมมติว่ามีเป็นคำสั่งที่ถูกต้อง) อาจมีปัญหาเกี่ยวกับการใช้ทั้งการฟื้นฟูชุดและการออกกลางคันในแต่ละชั้นหลาย ฉันไม่เห็นปัญหาในทันที แต่ฉันอาจจะขาดอะไรไป ขอบคุณมาก! อัพเดท: การทดสอบการทดลองดูเหมือนจะชี้ให้เห็นว่าการสั่งซื้อไม่ว่า ฉันรันเครือข่ายเดียวกันสองครั้งโดยมีเพียงบรรทัดฐานแบทช์และย้อนกลับกลางคัน เมื่อการออกกลางคันอยู่ก่อนบรรทัดฐานของแบทช์การสูญเสียการตรวจสอบความถูกต้องดูเหมือนจะเพิ่มขึ้นเนื่องจากการสูญเสียการฝึกกำลังจะลดลง พวกเขาทั้งสองจะลดลงในอีกกรณีหนึ่ง แต่ในกรณีของฉันการเคลื่อนไหวช้าดังนั้นสิ่งต่างๆอาจเปลี่ยนไปหลังจากการฝึกฝนมากขึ้นและเป็นการทดสอบเพียงครั้งเดียว คำตอบที่ชัดเจนและมีข้อมูลมากขึ้นจะยังคงได้รับการชื่นชม

118 python  neural-network  tensorflow  conv-neural-network 

ดังนั้นชุดข้อมูลของฉันจึงมีข้อมูลตามสถานที่สำหรับ n วันที่ ปัญหาคือจริงๆแล้วแต่ละวันที่เป็นส่วนหัวของคอลัมน์ต่างกัน ตัวอย่างเช่น CSV มีลักษณะดังนี้ location name Jan-2010 Feb-2010 March-2010 A "test" 12 20 30 B "foo" 18 20 25 สิ่งที่ฉันต้องการคือให้มันดูเหมือน location name Date Value A "test" Jan-2010 12 A "test" Feb-2010 20 A "test" March-2010 30 B "foo" Jan-2010 18 B "foo" Feb-2010 20 B "foo" March-2010 …

118 python  pandas 

ในกล่องเครื่องมือ sklearn-python มีสองฟังก์ชันtransformและfit_transformเกี่ยวกับsklearn.decomposition.RandomizedPCA. คำอธิบายของสองฟังก์ชันมีดังต่อไปนี้ แต่อะไรคือความแตกต่างระหว่างพวกเขา?

118 python  python-2.7  scikit-learn 

รหัสของฉัน: import simplejson as json s = "{'username':'dfdsfdsf'}" #1 #s = '{"username":"dfdsfdsf"}' #2 j = json.loads(s) #1 นิยามผิด #2 คำจำกัดความถูกต้อง ผมได้ยินมาว่าในหลามที่เดียวและคู่อ้างสามารถแทนกัน ใครช่วยอธิบายเรื่องนี้ให้ฉันฟังหน่อย

118 python  json 

ฉันค้นคว้าก่อนและไม่พบคำตอบสำหรับคำถามของฉัน ฉันพยายามเรียกใช้ฟังก์ชันหลายอย่างพร้อมกันใน Python ฉันมีสิ่งนี้: files.py import common #common is a util class that handles all the IO stuff dir1 = 'C:\folder1' dir2 = 'C:\folder2' filename = 'test.txt' addFiles = [25, 5, 15, 35, 45, 25, 5, 15, 35, 45] def func1(): c = common.Common() for i in range(len(addFiles)): c.createFiles(addFiles[i], filename, …

118 python 

ดาต้าเฟรมของฉันมีDOBคอลัมน์ (รูปแบบตัวอย่าง1/1/2016) ซึ่งโดยค่าเริ่มต้นจะถูกแปลงเป็นแพนด้า dtype 'object':DOB object แปลงนี้เป็นรูปแบบวันที่มีdf['DOB'] = pd.to_datetime(df['DOB'])วันที่ได้รับการแปลง: 2016-01-26และเป็น:dtypeDOB datetime64[ns] ตอนนี้ฉันต้องการแปลงรูปแบบวันที่นี้เป็น01/26/2016หรือในรูปแบบวันที่ทั่วไปอื่น ๆ ฉันต้องทำอย่างไร? ไม่ว่าฉันจะลองใช้วิธีใดก็ตามมันจะแสดงวันที่ใน2016-01-26รูปแบบเสมอ

118 python  string  pandas  datetime  strftime