小编Tim*_*Tim的帖子

在学习 Python 3 并将一些代码从 Java 转换为 Python 3.3 时，我遇到了一个无法修复的小问题。
在Java中我有这个代码（只是虚拟代码以使其更小）：

public enum Mapping {
    C11{public int getMapping(){ return 1;}},
    C12{public int getMapping(){ return 2;}},
    public abstract int getMapping();
}

String s = "C11";
System.out.println(Mapping.valueOf(s))

工作正常并打印所需的“1”尝试在 Python 中执行此操作并不那么容易（目前为止）。我尝试用以下方法模仿枚举：

class Mapping:
    C11=1
    C12=2

s = 'C11'
print(Mapping.Mapping.(magic should happen here).s)

不幸的是，我不知道如何将字符串转换为要像这样（或类似的东西）调用的属性。我需要这个，因为我在映射类中有一个巨大的列表，并且需要将从文本文件读取的看似随机的单词转换为整数映射。

我想对每列的矩阵进行标准化.我现在有这个代码工作正常:

A = randn(10,3)

maxA = max(A,[],1)
minA = min(A,[],1)

for i=1:size(A,2)
    A(:,i) = (A(:,i) - minA(i) ./ (maxA(i) - minA(i))
end

但是,由于我的矩阵会更大,大约10k乘60k循环将需要永远.我怎么能矢量化我的代码？我曾想过使用Matlab,normc但这与我的代码不一样.

我想使用 python 3.3.2 创建一个具有固定前缀的字符串列表，其中后缀基于列表的大小。

例如我有一个等于 3 的列表。elements输出len(elements)应该是一个列表output = ['prefix_1','prefix_2','prefix_3']

我可以通过使用循环来做到这一点：

elements = ['elem1','elem2','elem3']
output = []
for i in range(len(elements)):
    output.append('prefix_'+str((i+1)))

这可行，但对我来说似乎有点……unpythonic。有没有更Pythonic的方法来做到这一点？例如列表理解？

我有一个前端，它通过一个简单的宏生成引导程序表单：

{% macro render_field(field, class_='', label_visible=true) -%}

<div class="form-group {% if field.errors %} has-error {% endif %}">
    {% if (field.type != 'HiddenField' and field.type !='CSRFTokenField') and label_visible %}
        <label for="{{ field.id }}" class="control-label">{{ field.label }}</label>
    {% endif %}
    {{ field(class_='form-control', **kwargs) }}
    {% if field.errors %}
        {% for e in field.errors %}
            <p class="help-block">{{ e }}</p>
        {% endfor %}
    {% endif %}
</div>

{%- endmacro %}

我使用的 wtform 如下所示：

class CommentForm(Form):
    comment = TextAreaField(validators=[DataRequired('Please enter your comment.')])

是否可以为aria-required="true"具有作为验证器的字段添加前端验证 …

是否可以分解 Spark 数据框列？分解是指创建列中每个唯一值到相同 ID 的映射。

示例，原始数据框：

+----------+----------------+--------------------+
|      col1|            col2|                col3|
+----------+----------------+--------------------+
|1473490929|4060600988513370|                   A|
|1473492972|4060600988513370|                   A|
|1473509764|4060600988513370|                   B|
|1473513432|4060600988513370|                   C|
|1473513432|4060600988513370|                   A|
+----------+----------------+--------------------+

到分解版本：

+----------+----------------+--------------------+
|      col1|            col2|                col3|
+----------+----------------+--------------------+
|1473490929|4060600988513370|                   0|
|1473492972|4060600988513370|                   0|
|1473509764|4060600988513370|                   1|
|1473513432|4060600988513370|                   2|
|1473513432|4060600988513370|                   0|
+----------+----------------+--------------------+

在 Scala 本身中它会相当简单，但是由于 Spark 将它的数据帧分布在节点上，我不确定如何从A->0, B->1, C->2.

此外，假设数据帧非常大（千兆字节），这意味着可能无法将一整列加载到一台机器的内存中。

可以做到吗？

我在一个目录中有很多文件，每个文件都包含跨越多行的文本。目前，我使用以下代码将所有这些文件读取到 spark 数据集（> 2.0）

   val ddf = spark.read.text("file:///input/*")

但是，这会创建一个数据集，其中每一行都是一行，而不是一个文件。我希望数据集中的每行都有每个文件（作为字符串）。

如何在不迭代每个文件并将其单独读取的情况下实现这一点RDD？

想象一个机器学习问题，其中有 20 个类和大约 7000 个稀疏布尔特征。

我想弄清楚每个类的 20 个最独特的功能是什么。换句话说，在特定类中经常使用但在其他类中未使用或几乎不使用的功能。

什么是可以做到这一点的好的特征选择算法或启发式方法？