Questions tagged «python»

我有这样的DataFrame： df = pd.DataFrame(data={ 'col0': [11, 22,1, 5] 'col1': ['aa:a:aaa', 'a:a', 'a', 'a:aa:a:aaa'], 'col2': ["foo", "foo", "foobar", "bar"], 'col3': [True, False, True, False], 'col4': ['elo', 'foo', 'bar', 'dupa']}) 我想在col1中的“：”上分割后得到列表的长度，然后如果长度> 2则覆盖值，或者如果长度<= 2则不覆盖值。 理想情况下，尽可能快地排成一行。 目前，我尝试但它返回ValueError。 df[['col1', 'col2', 'col3']] = df.loc[df['col1'].str.split(":").apply(len) > 2], ("", "", False), df[['col1', 'col2', 'col3']]) 编辑：col1条件。EDIT2：感谢您提供的所有出色的快速答复。惊人！EDIT3：在10 ^ 6行上计时： @ansev …

11 python  pandas  apply 

我正在尝试使用正则表达式拆分一列，但似乎无法正确获取拆分。我正在尝试采用所有尾随的CAPS，并将其移至单独的列中。因此，我将获得连续2-4个CAPS的所有CAPS。但是，它只是'Name'在'Team'列为空白时才离开该列。 这是我的代码： import pandas as pd url = "https://www.espn.com/nba/stats/player/_/table/offensive/sort/avgAssists/dir/desc" df = pd.read_html(url)[0].join(pd.read_html(url)[1]) df[['Name','Team']] = df['Name'].str.split('[A-Z]{2,4}', expand=True) 我要这个： print(df.head(5).to_string()) RK Name POS GP MIN PTS FGM FGA FG% 3PM 3PA 3P% FTM FTA FT% REB AST STL BLK TO DD2 TD3 PER 0 1 LeBron JamesLA SF 35 35.1 24.9 9.6 …

11 python  regex  pandas 

我有此图像，其中包含文本（数字和字母）。我想获取此图像中存在的所有文本和数字的位置。我也想提取所有文本。 如何获取图像中的坐标以及所有文本（数字和字母）。例如10B，44、16、38、22B等

11 python  opencv  machine-learning  image-processing  deep-learning 

我正在使用决策树，并且引发了该错误。当我使用反向传播时，出现了相同的情况。我该如何解决？（对不起，我英语不好） import pandas as pd import numpy as np a = np.test() f = open('E:/lgdata.csv') data = pd.read_csv(f,index_col = 'id') x = data.iloc[:,10:12].as_matrix().astype(int) y = data.iloc[:,9].as_matrix().astype(int) from sklearn.tree import DecisionTreeClassifier as DTC dtc = DTC(criterion='entropy') dtc.fit(x,y) x=pd.DataFrame(x) from sklearn.tree import export_graphviz with open('tree.dot','w') as f1: f1 = export_graphviz(dtc, feature_names = …

11 python  numpy  machine-learning  nose 

假设我有两个set()s： a = {('1', '2', '3', 'a'), ('1', '2', '4', 'a'), ('1', '2', '5', 'b')} b = {('1', '2', '3', 'b'), ('1', '2', '4', 'b'), ('1', '2', '6', 'b')} 现在，我要做的是找到集合差异，b \ a但忽略每个元组中的最后一个元素。所以就像做这样的事情： a = {('1', '2', '3'), ('1', '2', '4'), ('1', '2', '5')} b = {('1', '2', '3'), ('1', '2', …

11 python  python-2.7  set 

我有一个生成式对抗网络，其中通过MSE使鉴别器最小化，并且使生成器最大化。因为两者都是追求相反目标的对手。 generator = Sequential() generator.add(Dense(units=50, activation='sigmoid', input_shape=(15,))) generator.add(Dense(units=1, activation='sigmoid')) generator.compile(loss='mse', optimizer='adam') generator.train_on_batch(x_data, y_data) 为了获得可以从高MSE值中获利的生成器模型，我必须适应什么？

11 python  tensorflow  keras  neural-network  maximize 

目前，我在一家大公司工作，我们需要将python2的旧的Django大项目转换为python3版本，因此我进行了大量研究，但仍然找不到最适合转换哪个版本的Python和Django的完美答案。 目前，我使用的是旧版本的Python：2.7.16和Django：1.9.13。 任何人都可以为上述python2到python3的旧版本推荐最适合我的Python和Django版本。

11 python  django  python-3.x  python-2to3 

班级 collections.defaultdict采用默认工厂，用于生成默认值。 如果dict-like对象中包含的值应默认为False，则可以按以下方式创建实例： d_false = defaultdict(bool) 对于默认值，达到相同效果的最pythonic方法是什么 True什么？ 换句话说，是否有标准的可调用对象返回 True，习惯上将其用作的相对bool？ 当然，工厂可以构建为lambda表达式： d_true = defaultdict(lambda: True) 但这可能是在重新发明轮子。

11 python  generator 

尝试使用以下python代码运行经过训练的keras模型： from keras.preprocessing.image import img_to_array from keras.models import load_model from imutils.video import VideoStream from threading import Thread import numpy as np import imutils import time import cv2 import os MODEL_PATH = "/home/pi/Documents/converted_keras/keras_model.h5" print("[info] loading model..") model = load_model(MODEL_PATH) print("[info] starting vid stream..") vs = VideoStream(usePiCamera=True).start() time.sleep(2.0) while True: frame = …

11 python  tensorflow  keras 

导入numpy C扩展名失败 我在Windows系统上安装了python 3.7，以处理Visual Studio代码。一切进展顺利，包括使用库。我使用控制面板中的卸载程序工具卸载了python 。并安装了Miniconda 3。我检查了一切是否正常，然后在Windows 10的conda install numpy终端机GitBash中使用numpy库进行了安装，然后在我的visial studio代码中进行了检查，但启动失败。 再现代码示例： import numpy as np A = np.array([[-1], [7], [-26]]) 错误信息： 回溯（最近一次通话）：文件“ C：\ Users \ ramim \ Miniconda3 \ lib \ site-packages \ numpy \ core__init __。py”，位于第17行。从中导入多数组文件“ C：\ Users \ ramim \ Miniconda3 \ lib \ site-packages \ numpy …

11 python  numpy  visual-studio-code  miniconda 

我有一个txt文件，其中包含此格式的数据。前三行重复一遍又一遍。 name=1 grade=A class=B name=2 grade=D class=A 我想以表格格式输出数据，例如： name | grade | class 1 | A | B 2 | D | A 我正在努力设置标题，并循环遍历数据。到目前为止，我尝试过的是： def myfile(filename): with open(file1) as f: for line in f: yield line.strip().split('=',1) def pprint_df(dframe): print(tabulate(dframe, headers="keys", tablefmt="psql", showindex=False,)) #f = pd.DataFrame(myfile('file1') df = pd.DataFrame(myfile('file1')) pprint_df(df) 该输出是 …

11 python  pandas  dataframe 

目标是从用户的段落中列出并进行迭代，以便我可以计算出多少个单词包含特殊字母“ j，x，q，z”。 输入示例： 在地面的一个洞中住着一个霍比特人。它不是一个肮脏，肮脏，潮湿的小孔，里面充满蠕虫的末端和难闻的气味，也没有一个干燥，裸露的沙质孔，里面没有东西可坐下或进食；那是一个霍比特洞，这意味着舒适。 输出示例： 1个单词，带有稀有字符 我已经开始在代码中将用户的段落分成一个列表，但是我很难遍历该列表并查找每个特殊字母的实例。 这是我到目前为止的内容： def rareChar(words): rareWords = 0 rareChars = ['j', 'x', 'q', 'z'] for astring in words: wds = words.split() for char in wds: if char in rareChars: rareWords = rareWords + 1 return rareWords def CoolPara(words): print(rareChar(words), 'word(s) with a rare character') # …

11 python  python-3.x 

对于Django中的项目，我必须使用两个数据库：default和remote。我创建了routers.py，一切正常。 要求在远程数据库上创建一个表，然后我创建了迁移，然后运行它并django_migrations创建了表。我想django_migrations在默认数据库中只有一个表。 相关部分在routers.py这里： class MyRouter(object): # ... def allow_migrate(self, db, app_label, model_name=None, **hints): if app_label == 'my_app': return db == 'remote' return None 我这样运行迁移： python manage.py migrate my_app --database=remote 现在，当我这样做时： python manage.py runserver 我收到以下警告： 您有1个未应用的迁移。在为应用程序my_app应用迁移之前，您的项目可能无法正常工作。 运行“ python manage.py migration”以应用它们。 my_app在remote数据库中创建的表，并在数据库django_migrations内部remote将迁移标记为已应用。 编辑： 如何强制Django只使用一个表django_migrations，但仍将迁移应用到不同的数据库？ 如何将迁移应用到不同的数据库中，从而不会引发警告？

11 python  django  django-models 

已关闭。这个问题需要细节或说明。它当前不接受答案。 想改善这个问题吗？添加详细信息并通过编辑此帖子来澄清问题。 7个月前关闭。 在蟒蛇3.x中，是否有一些a，b这样max(a, b) != max(b, a)？ a并且b应该是内置的python类型，并且不包含任何转换。 该类型的a和b可以是：NUM，浮法，布尔，列表，元组... 例： a = 1 # Correct a = [1, 2] # Correct a = float('nan') # Wrong

11 python  python-3.x 

语境 假设我有以下Python代码： def example_function(numbers, n_iters): sum_all = 0 for number in numbers: for _ in range(n_iters): number = halve(number) sum_all += number return sum_all ns = [1, 3, 12] print(example_function(ns, 3)) example_function这里只是遍历ns列表中的每个元素，并将它们减半3次，同时累积结果。运行此脚本的输出很简单： 2.0 由于1 /（2 ^ 3）*（1 + 3 + 12）= 2。 现在，让我们说（出于任何原因，也许是调试或日志记录），我想显示一些有关正在执行的中间步骤的信息example_function。也许然后我会将此函数重写为如下所示： def example_function(numbers, n_iters): sum_all = 0 for …

11 python