当我尝试使用下面的函数来实现像下面这样的函数时，编译器返回

解析错误（可能不正确的缩进或不匹配的括号）

功能：

演示 8 [1,2,3] 应该返回 [1,2,3,1,2,3,1,2]

 demo :: Int -> [a] -> [a] 
    let n = 0 
    demo arg [] = [] 
    demo arg (x:xs) = 
         if arg <= length (x:xs) then
             take arg (x:xs) 
         else
             let (x:xs) = (x:xs) ++ (x:xs)!!n
             arg = arg - 1
             n = n + 1
             demo arg (x:xs)

我该如何纠正？问候！

我有一个数据框，其索引行是字符串数据类型。我希望它是数字并排序的：

  col1 col2
1  25   33
3  35  544
2  24   52

预期的 ：

  col1 col2
1  25   33
2  24   52
3  35   544

我试图使用以下命令在python shell中创建用户实例。

from django.contrib.auth.models import User
User.objects.all()
<QuerySet [<User: admin>]>
me = User.objects.get(username='rohan')

之后，我得到以下错误。有人可以帮忙吗？

 Traceback (most recent call last):
      File "<console>", line 1, in <module>
      File "C:\Users\Rohan Jain\AppData\Local\Programs\Python\Python36\lib\site-packages\django\db\models\manager.py", line 85, in manager_method
        return getattr(self.get_queryset(), name)(*args, **kwargs)
      File "C:\Users\Rohan Jain\AppData\Local\Programs\Python\Python36\lib\site-packages\django\db\models\query.py", line 380, in get
        self.model._meta.object_name
    django.contrib.auth.models.DoesNotExist: User matching query does not exist.

我正在寻找一个标准,用于=countif(range_of_formulas, [criterion])识别公式的非空白结果.我发现不少的,如"<>","<>"&"","<>""",">""","*"和更多的(例如,在SO 这里和这里).但是每个标准似乎只在某些情况下起作用而在其他情况下不起作用,并且在以下情况下它们都会失败:

列A和B包含我的原始数据.D列显示了您在C列中看到的公式的结果.列F显示了countif使用不同标准(如E列所示)计算D列中非空白结果的结果.它们都没有到达正确的计数 - 5.

在我的研究中(以及在我编辑以缩小范围之前,在这个问题的答案中)我已经看到了许多可以得到正确计数的变通方法.但我要问的是,是否存在可以使用的标准countif,或者是否countif 无法可靠地计算非空白公式结果？
(或者也许有人可以说它可以或不可以使用哪种条件).

我在Swift 3中的文件管理器中有一些文件.我想上传它们,但是当我将它们转换为base 64时,它们的大小将是巨大的!所以我想在将数据转换为base 64之前压缩数据.

这是我的转换代码:

for i in 0...(rows?.count)! - 1 {

   let filePath = filesurl[fileManagerViewController.selectedFileIndex[i]]
        do {
            let fileData = try Data.init(contentsOf: filePath)

            let fileStream:String = fileData.base64EncodedString(options: NSData.Base64EncodingOptions.init(rawValue: 0))

            fileManagerViewController.upupload.append(fileStream)


        } catch {
            print(error.localizedDescription)
        }


        }

我用了

let compressedData = fileData(UF_COMPRESSED)

但这对我不起作用,所以请在将文件转换为base 64进行上传之前帮助我压缩文件.

我的理解是,Stream一旦执行终端操作(例如forEach()或)count(),就认为Java 8 被消耗.

但是,multipleFilters_separate下面的测试用例抛出一个IllegalStateException即使filter是一个懒惰的中间操作,只是作为两个语句调用.然而,我可以将两个过滤操作链接到一个语句中并且它可以工作.

@Test(expected=IllegalStateException.class)
public void multipleFilters_separate() {
    Stream<Double> ints = Stream.of(1.1, 2.2, 3.3);
    ints.filter(d -> d > 1.3);
    ints.filter(d -> d > 2.3).forEach(System.out::println);
}

@Test
public void multipleFilters_piped() {
    Stream<Double> ints = Stream.of(1.1, 2.2, 3.3);
    ints.filter(d -> d > 1.3)
        .filter(d -> d > 2.3)
        .forEach(System.out::println);
}

从这开始,我假设Stream在第一个使用它的语句之后被认为是消耗的,无论该语句是否调用终端操作.听起来不错吗？

我有一个数据框,想要在一个特定列上创建一个饼图,表示此列中每个级别的百分比.

   data <- data.frame(a=c("a1","a1","a2","a3","a1","a2","a3","a4","a2","a1","a5","a4","a3"),
                   b=1:13)

换句话说,我想要一个饼图,表明a1,a2,......的出现百分比.

另外,我需要在图表上显示百分比.我怎样才能用ggplot2包完成这一切？

任何小小的帮助将不胜感激!

我试图按日期过滤文件数据为好的和坏的数据,因此将获得2个结果文件.从测试文件中,前4行需要输入良好数据,最后2行需要输入错误数据.

我有2个问题

1. 我没有得到任何好的数据,结果文件是空的

2. 坏数据结果如下所示 - 仅提取名称字符

   (,C,h)(,J,u)(,T,h)(,J,o)(,N,e)(,B,i)

测试文件

Christopher|Jan 11, 2017|5 
Justin|11 Jan, 2017|5 
Thomas|6/17/2017|5 
John|11-08-2017|5 
Neli|2016|5 
Bilu||5

加载和RDD

scala> val file = sc.textFile("test/data.txt")
scala> val fileRDD = file.map(x => x.split("|"))

正则表达式

scala> val singleReg = """(\w(3))\s(\d+)(,)\s(\d(4))|(\d+)\s(\w(3))(,)\s(\d(4))|(\d+)(\/)(\d+)(\/)(\d(4))|(\d+)(-)(\d+)(-)(\d(4))""".r

开头和结尾都有三个"(双引号),这里有重要的吗？"

过滤 问题区域

scala> val validSingleRecords = fileRDD.filter(x => (singleReg.pattern.matcher(x(1)).matches))
scala> val badSingleRecords = fileRDD.filter(x => !(singleReg.pattern.matcher(x(1)).matches))

将数组转换为字符串

scala> val validSingle = validSingleRecords.map(x => (x(0),x(1),x(2)))
scala> val badSingle = badSingleRecords.map(x => (x(0),x(1),x(2)))

写文件

scala> validSingle.repartition(1).saveAsTextFile("data/singValid")
scala> badSingle.repartition(1).saveAsTextFile("data/singBad")

更新1 我的上面的正则表达式是错误的,我已将其更新为.在scala中,反斜杠是一个转义字符,因此需要复制

val singleReg = """\\w{3}\\s\\d+,\\s\\d{4}|\\d+\\s\\w{3},\\s\\d{4}|\\d+\/\\d+\/\\d{4}|\\d+-\\d+-\\d{4}""".r …

我正在使用我的javascript客户端录制一些音频数据RecordRTC.我想这个音频数据发送到我的春天RestController通过WebSockets.

录制后我的javascript客户端中有一个blob对象: Blob {size: 65859, type: "audio/webm"}

我试图将此blob转换为使用FileReader它的ArrayBuffer对象ArrayBuffer {} byteLength: 65859

我发送ArrayBuffer的javascript代码如下所示:

    const reader = new FileReader();
    reader.addEventListener( 'loadend', () => {
        console.log( 'readerResult', reader.result );
        this.stompClient.send( "/app/hello", {}, reader.result );
    } );

    this.recorder.stopRecording(() => {
        const blob = this.recorder.getBlob();
        reader.readAsArrayBuffer( blob );
        console.log( "blob", blob );
    } );

我的Spring Boot应用程序中的WebSocket端点如下所示:

@MessageMapping("/hello")
public void stream(byte[] input) throws Exception {
    System.out.println("incoming message ...");
    System.out.println(input);
    System.out.println(input.length);
}

这是控制台输出:

incoming message ...
[B@6142acb4
20 …

我尝试使用 sklearn 的 LDA 模型找到最佳主题数。为此，我通过在https://gist.github.com/tmylk/b71bf7d3ec2f203bfce2上引用代码来计算困惑度。

但是当我增加话题数量时，困惑总是不合理地增加。我在实现上错了还是只是给出了正确的值？

from __future__ import print_function
from time import time

from sklearn.feature_extraction.text import TfidfVectorizer, CountVectorizer
from sklearn.decomposition import NMF, LatentDirichletAllocation
n_samples = 0.7
n_features = 1000
n_top_words = 20
dataset = kickstarter['short_desc'].tolist()
data_samples = dataset[:int(len(dataset)*n_samples)]
test_samples = dataset[int(len(dataset)*n_samples):]

对 LDA 使用 tf（原始术语计数）功能。

print("Extracting tf features for LDA...")
tf_vectorizer = CountVectorizer(max_df=0.95, min_df=2,
                                max_features=n_features,
                                stop_words='english')
t0 = time()
tf = tf_vectorizer.fit_transform(data_samples)
print("done in %0.3fs." % (time() - t0))
# Use tf (raw term count) features for …