小编Tha*_*ude的帖子

我有一段串行代码,可以做这样的事情

if( ! variable )
{
  do some initialization here 
  variable = true;
}

据我所知,这在串行中完美无缺,只执行一次.什么原子操作在CUDA中是正确的？

我有一个带有条件检查的循环,如果条件为真但仍然继续循环,有没有办法可以退出当前迭代.

dummy = ['One','Two','Three','Four','Five']

for i in dummy:
    print('Stage 1')
    if i == 'Three':
        break
    print('Stage 2')

这段代码给了我:

Stage 1
Stage 2
Stage 1
Stage 2
Stage 1

但我想这样:

Stage 1
Stage 2
Stage 1
Stage 2
--------
Stage 1
--------
Stage 1
Stage 2
Stage 1
Stage 2

突出显示的行显示它跳过元素"Three"的第二个print语句.

谢谢

我有一个这样的DataFrame

dict_ = {'Date':['2018-01-01','2018-01-02','2018-01-03','2018-01-04','2018-01-05'],'Col1':[1,2,3,4,5],'Col2':[1.1,1.2,1.3,1.4,1.5],'Col3':[0.33,0.98,1.54,0.01,0.99]}
df = pd.DataFrame(dict_, columns=dict_.keys())

然后，我计算列之间的皮尔逊相关性，并过滤掉相关于我的阈值0.95以上的列

def trimm_correlated(df_in, threshold):
    df_corr = df_in.corr(method='pearson', min_periods=1)
    df_not_correlated = ~(df_corr.mask(np.eye(len(df_corr), dtype=bool)).abs() > threshold).any()
    un_corr_idx = df_not_correlated.loc[df_not_correlated[df_not_correlated.index] == True].index
    df_out = df_in[un_corr_idx]
    return df_out

产生

uncorrelated_factors = trimm_correlated(df, 0.95)
print uncorrelated_factors

    Col3
0   0.33
1   0.98
2   1.54
3   0.01
4   0.99

到目前为止，我对结果感到满意，但我想保留每个相关对中的一列，因此在上面的示例中，我想包含Col1或Col2。得到某物 像这样

    Col1   Col3
0    1     0.33
1    2     0.98
2    3     1.54
3    4     0.01
4    5     0.99

另外，我还可以做进一步的评估来确定保留哪些相关列？

谢谢