Questions tagged «python»

我有一些示例字符串。如何用空字符串替换长字符串中第一次出现的该字符串？ regex = re.compile('text') match = regex.match(url) if match: url = url.replace(regex, '')

116 python  regex 

我必须缺少SQLAlchemy的级联选项的琐碎内容，因为我无法获得简单的级联删除来正确操作-如果删除了父元素，则子级将保留并带有null外键。 我在这里放了一个简洁的测试用例： from sqlalchemy import Column, Integer, ForeignKey from sqlalchemy.orm import relationship from sqlalchemy import create_engine from sqlalchemy.orm import sessionmaker from sqlalchemy.ext.declarative import declarative_base Base = declarative_base() class Parent(Base): __tablename__ = "parent" id = Column(Integer, primary_key = True) class Child(Base): __tablename__ = "child" id = Column(Integer, primary_key = True) parentid …

116 python  database  sqlalchemy 

给定一个均值和方差，是否有一个简单的函数调用可以绘制正态分布？

116 python  matplotlib 

我正在努力看似非常简单的事情。我有一个包含非常长字符串的pandas数据框。 df = pd.DataFrame({'one' : ['one', 'two', 'This is very long string very long string very long string veryvery long string']}) 现在，当我尝试打印相同的字符串时，我看不到完整的字符串，而只看到了字符串的一部分。 我尝试了以下选项 使用 print(df.iloc[2]) 使用 to_html 使用 to_string 其中一个stackoverflow答案建议通过使用pandas display选项来增加列宽，但该方法也不起作用。 我也没有得到如何set_printoptions帮助我。 任何想法表示赞赏。看起来很简单，但无法获得！

116 python  string  pandas  options 

最初的问题是关于TensorFlow实现的。但是，答案是针对一般的实现。这个通用答案也是TensorFlow的正确答案。 在TensorFlow中使用批量归一化和辍学时（特别是使用contrib.layers），我需要担心订购吗？ 如果我在退出后立即使用批处理规范化，则可能会出现问题。例如，如果批量归一化训练中的偏移量训练输出的比例尺数字较大，但是将相同的偏移量应用到较小的比例尺数字（由于补偿了更多的输出），而在测试过程中没有丢失，则轮班可能关闭。TensorFlow批处理规范化层会自动对此进行补偿吗？还是由于某种原因我不会想念这件事吗？ 另外，将两者一起使用时还有其他陷阱吗？例如，假设我使用他们以正确的顺序在问候上述（假设有是一个正确的顺序），可以存在与使用分批正常化和漏失在多个连续层烦恼？我没有立即看到问题，但是我可能会丢失一些东西。 非常感谢！ 更新： 实验测试似乎表明排序确实很重要。我在相同的网络上运行了两次，但批次标准和退出均相反。当辍学在批处理规范之前时，验证损失似乎会随着培训损失的减少而增加。在另一种情况下，它们都下降了。但就我而言，运动缓慢，因此在接受更多培训后情况可能会发生变化，这只是一次测试。一个更加明确和明智的答案仍然会受到赞赏。

116 python  neural-network  tensorflow  conv-neural-network 

我有以下DataFrame，其中列之一是对象（列表类型单元格）： df=pd.DataFrame({'A':[1,2],'B':[[1,2],[1,2]]}) df Out[458]: A B 0 1 [1, 2] 1 2 [1, 2] 我的预期输出是： A B 0 1 1 1 1 2 3 2 1 4 2 2 我应该怎么做才能做到这一点？ 相关问题 熊猫：当单元格内容为列表时，为列表中的每个元素创建一行 好问题和答案，但只与列表处理一列（在我的答案自DEF功能将多个列的工作，也是公认的答案是使用最耗时的apply，不推荐，检查的详细信息我应该什么时候曾经想在我的代码中使用pandas apply（）吗？）

116 python  pandas  dataframe 

我在Ubuntu 18上在numpy中分配大型数组时遇到了一个问题，而在MacOS上却没有遇到同样的问题。 我想一个numpy的阵列形状分配内存(156816, 36, 53806) 使用 np.zeros((156816, 36, 53806), dtype='uint8') 当我在Ubuntu OS上遇到错误时 >>> import numpy as np >>> np.zeros((156816, 36, 53806), dtype='uint8') Traceback (most recent call last): File "<stdin>", line 1, in <module> numpy.core._exceptions.MemoryError: Unable to allocate array with shape (156816, 36, 53806) and data type uint8 我没有在MacOS上得到它： >>> import …

116 python  numpy  data-science 

将两个字符串网格化的最Python方式是什么？ 例如： 输入： u = 'ABCDEFGHIJKLMNOPQRSTUVWXYZ' l = 'abcdefghijklmnopqrstuvwxyz' 输出： 'AaBbCcDdEeFfGgHhIiJjKkLlMmNnOoPpQqRrSsTtUuVvWwXxYyZz'

115 python  string  python-2.7  python-3.x 

我想了解的进步在tf.nn.avg_pool，tf.nn.max_pool，tf.nn.conv2d说法。 该文件反复说 步幅：长度大于等于4的整数的列表。输入张量每个维度的滑动窗口的步幅。 我的问题是： 4个以上的整数分别代表什么？ 对于卷积网络，为什么必须要有stride [0] = strides [3] = 1？ 在此示例中，我们看到了tf.reshape(_X,shape=[-1, 28, 28, 1])。为什么是-1？ 遗憾的是，文档中使用-1进行重塑的示例并不能很好地解释这种情况。

115 python  neural-network  convolution  tensorflow  conv-neural-network 

在另一个问题中，如果我可以提供遇到问题的阵列，其他用户会提供一些帮助。但是，我什至无法完成基本的I / O任务，例如将数组写入文件。 谁能解释我需要向文件写入4x11x14 numpy数组的哪种循环？ 该数组由四个11 x 14数组组成，因此我应该使用漂亮的换行符对其进行格式化，以使文件读取更加容易。 编辑：所以我已经尝试了numpy.savetxt函数。奇怪的是，它给出了以下错误： TypeError: float argument required, not numpy.ndarray 我认为这是因为函数不适用于多维数组？我希望在一个文件中找到任何解决方案吗？

115 python  file-io  numpy 

如果我使用python（使用unittest模块）编写单元测试，是否可以从失败的测试中输出数据，所以我可以对其进行检查以帮助推断出导致错误的原因？我知道创建自定义消息的能力，该消息可以包含一些信息，但是有时您可能会处理更复杂的数据，这些数据无法轻松地表示为字符串。 例如，假设您有一个Foo类，并且正在使用名为testdata的列表中的数据测试方法栏： class TestBar(unittest.TestCase): def runTest(self): for t1, t2 in testdata: f = Foo(t1) self.assertEqual(f.bar(t2), 2) 如果测试失败，则可能要输出t1，t2和/或f，以查看为什么此特定数据导致失败。通过输出，我的意思是说，在运行测试之后，可以像访问任何其他变量一样访问这些变量。

115 python  unit-testing 

我有这段代码可以找到字符串中特定字符的最大索引，但是ValueError当字符串中未出现指定字符时，我希望它提高a值。 所以像这样： contains('bababa', 'k') 会导致： → ValueError: could not find k in bababa 我怎样才能做到这一点？ 这是我的函数的当前代码： def contains(string,char): list = [] for i in range(0,len(string)): if string[i] == char: list = list + [i] return list[-1]

115 python  string 

我在理解class_weightscikit-learn的Logistic回归中的参数如何运行时遇到很多麻烦。 情况 我想使用逻辑回归对非常不平衡的数据集进行二进制分类。这些类别分别标记为0（负）和1（正），观察到的数据比例约为19：1，大多数样本的结果均为负。 第一次尝试：手动准备训练数据 我将我拥有的数据分为不相交的数据集进行训练和测试（大约80/20）。然后，我手工对训练数据进行了随机采样，得到的训练数据比例与19：1不同。从2：1-> 16：1。 然后，我对这些不同的训练数据子集进行了逻辑回归训练，并根据不同的训练比例绘制了召回率（= TP /（TP + FN））。当然，召回率是根据不连续的TEST样本（观察到的比例为19：1）计算的。注意，尽管我在不同的训练数据上训练了不同的模型，但我在相同（不相交）的测试数据上计算了所有模型的召回率。 结果符合预期：以2：1的训练比例召回率约为60％，到16：1时召回率很快下降。比例为2：1-> 6：1，召回率在5％以上。 第二次尝试：网格搜索 接下来，我想测试不同的正则化参数，因此我使用了GridSearchCV并制作了一个包含C参数值和参数值的网格class_weight。要将我的n：m否定：肯定的训练样本比例转换成class_weight我的词典语言，我认为我只是指定了几个字典，如下所示： { 0:0.67, 1:0.33 } #expected 2:1 { 0:0.75, 1:0.25 } #expected 3:1 { 0:0.8, 1:0.2 } #expected 4:1 并且我还包括None和auto。 这次的结果是完全错误的。class_weight除了的每个值，我所有的召回都很小（<0.05）auto。因此，我只能假设我对如何设置class_weight字典的理解是错误的。有趣的是，class_weight对于的所有值，网格搜索中“自动” 的值约为59％C，我猜想它与1：1平衡吗？ 我的问题 您如何正确使用class_weight训练数据与实际提供的数据取得不同的平衡？具体来说，我传递给哪个字典class_weight来使用n：m比例的负数：正数训练样本？ 如果您将各种class_weight字典传递给GridSearchCV，则在交叉验证期间，它将根据字典重新平衡训练折叠数据，但使用真实给定的样本比例来计算我在测试折叠上的得分函数吗？这很关键，因为任何度量标准仅对来自观察到的比例的数据有用。 就比例而言，auto价值是class_weight什么？我阅读了文档，并假设“与数据频率成反比地平衡数据”只是意味着将其设为1：1。这样对吗？如果没有，有人可以澄清吗？

115 python  scikit-learn 

我想制作一本字典，其中英语单词指向俄语和法语翻译。 如何在Python中打印出unicode字符？另外，如何将Unicode字符存储在变量中？

115 python  python-unicode 

我有这个需要运行的python脚本 gdal_retile.py 但是我在这条线上有一个例外： if Verbose: print("Building internam Index for %d tile(s) ..." % len(inputTiles), end=' ') 将end=''是无效的语法。我很好奇为什么以及作者可能打算做什么。 如果您还没猜到，我是python的新手。 我认为问题的根本原因是这些导入失败，因此必须包含此导入 from __future__ import print_function try: from osgeo import gdal from osgeo import ogr from osgeo import osr from osgeo.gdalconst import * except: import gdal import ogr import osr from gdalconst import …

115 python