小编Dim*_*iev的帖子

我需要为我的图形添加一些背景线，例如x=0和y=0和对角线的粗线。每次更改图形的配色方案/“样式”时，我都必须手动更改这些线条的颜色。

有没有办法检索当前图形样式的颜色？

我的问题类似于前面描述的问题,不同之处在于我没有手动输入数字.因此,那里接受的答案对我不起作用.

我想将笛卡尔坐标向量转换为极坐标:

function cart2pol(x0,
                  x1)
    rho = sqrt(x0^2 + x1^2)
    phi = atan2(x1, x0)
    return [rho, phi]
end

@vectorize_2arg Number cart2pol

function cart2pol(x)
    x1 = view(x,:,1)
    x2 = view(x,:,2)
    return cart2pol(x1, x2)
end



x = rand(5,2)

vcat(cart2pol(x))

最后一个命令由于某种原因不收集数组,返回类型的输出5-element Array{Array{Float64,1},1}.知道怎么把它投到Array{Float64,2}吗？

我有一个带有分层列索引的数据框.现在我想按列分组['X', 'chromosome'].有没有办法在不改变数据框架结构的情况下做到这一点？

import pandas as pd

X =  pd.DataFrame.from_dict( {'chromosome':['chr1', 'chr2', 'chr2', 'chr2'],'start':[1,2,1,4]})
Y = pd.DataFrame.from_dict( {'chromosome':['chr1', 'chr2', 'chr2', 'chr3'],'start':[4,5,6,1]})
df_stats = pd.DataFrame.from_dict( {'pvalue':[ 1e-30, 1e-3, 1e-10, 1e-40],'t-stat':[4.4,5.5,6.6, 7.7]})

dd = {'X': X, 'Y': Y, 'STATS':df_stats}
df_qtls = pd.concat(dd.values(), axis = 1, keys= list(dd.keys()) )
df_qtls 

for n, g in df_qtls.groupby(['X', 'chromosome'], axis=0):
    print(n, g)

导致错误:

...
ValueError: Grouper for 'X' not 1-dimensional

我试图在偏差+权重上实现L1规范.为此,我尝试将它们连接在一起并采取一种方法.

也就是说,我有偏见b1(形状[1,1]:)和重量W1(形状:) [1, xlen].所以我试着天真地沿着第一维连接:

    self.W1 = tf.Variable(tf.truncated_normal([1, self.xlen], stddev=0.1), name="weight")
    self.b1 = tf.Variable(tf.constant(0.1, shape=[1, 1]), name="bias")
    ...
 l1_penalty = tf.reduce_mean(tf.abs(tf.concat(1, (self.W1,self.b1) ) )) 

但是我得到了:

---> 53         l1_penalty = tf.reduce_mean(tf.abs(tf.concat(1, (self.W1,self.b1) ) ))
     54 
     55         tot_loss = l2_loss + self.ALPHA * l1_penalty

/usr/local/lib/python3.4/dist-packages/tensorflow/python/ops/array_ops.py in concat(concat_dim, values, name)
    304   # TODO(mrry): Change to return values?
    305   if len(values) == 1:  # Degenerate case of one tensor.
--> 306     return identity(values[0], name=name)
    307   return gen_array_ops._concat(concat_dim=concat_dim,
    308 …

我有以下矛盾的出口:

using DataFrames
using DataStructures

以下返回错误:

tail(dfc)
WARNING: both DataStructures and DataFrames export "tail"; uses of it in module Main must be qualified
ERROR: UndefVarError: tail not defined

我在一个论坛上看到了这种语法,但它仍然失败:

DataFrames::tail(dfc)
ERROR: UndefVarError: tail not defined

有任何想法吗？

这看起来非常基本,但由于它与python语言本身有关,我觉得这里迷路了.根据Python 3.6文档:

>>>help(sum)

...
sum(iterable, start=0, /)
    Return the sum of a 'start' value (default: 0) plus an iterable of numbers 
...

当我打电话:sum([0,1,2], start=1),我得到:

TypeError: sum() takes no keyword arguments

这里发生了什么？

我正在玩这个问题的固定代码.我收到了上述错误.谷歌搜索表明它可能是某种尺寸不匹配,虽然我的诊断没有显示任何:

with tf.Session() as sess:
    sess.run(init)

    # Fit all training data
    for epoch in range(training_epochs):
        for (_x_, _y_) in getb(train_X, train_Y):
            print("y data raw", _y_.shape )
            _y_ = tf.reshape(_y_, [-1, 1])
            print( "y data ", _y_.get_shape().as_list())
            print("y place holder", yy.get_shape().as_list())

            print("x data", _x_.shape )            
            print("x place holder", xx.get_shape().as_list() )

            sess.run(optimizer, feed_dict={xx: _x_, yy: _y_})

看一下尺寸,一切都很好:

y data raw (20,)
y data  [20, 1]
y place holder [20, 1]

x data (20, 10)
x place holder [20, 10]

错误: …

来自Python背景,并在R文档中看到此示例:

 #%in% is a more intuitive interface as a binary operator, 
 #which returns a logical vector indicating if 
 #there is a match or not for its left operand.

1:10 %in% c(1,3,5,9)
[1]  TRUE FALSE  TRUE FALSE  TRUE FALSE FALSE FALSE  TRUE FALSE

我想将字符串转换为列表:

"(" %in% as.list("(62473575, 62474092)")  # does not work 

"(" %in% strsplit("(62473575, 62474092)", "") # kind of works half way

并得到FALSE.到底是怎么回事？

PS:我不想使用grep,(1)因为它被视为"("特殊字符而且(2)我正在寻找完全匹配,而不是正则表达式.

这似乎是一项简单的任务,但不知何故失败了:AWS客户端没有看到指定的凭据~/.aws/credentials.该文件看起来如下:

[me]
aws_access_key_id=xxxx
aws_secret_access_key=yyyyy

[alter_ego]
aws_access_key_id=xxxxx
aws_secret_access_key=yyyyy

我awscli-1.11.128在python3上使用.当我跑aws configure list(有或没有sudo)时,我得到:

      Name                    Value             Type    Location
      ----                    -----             ----    --------
   profile                <not set>             None    None
access_key                <not set>             None    None
secret_key                <not set>             None    None
    region                <not set>             None    None

我试图设置AWS_CREDENTIAL_PROFILES_FILE无济于事:

export AWS_CREDENTIAL_PROFILES_FILE=~/.aws/credentials

可能有什么问题？

我想根据上一步的结果动态选择 AWS Lambda 工作人员。类似的东西{"Resource": "$.worker_arn"}。

"RunWorkers": {
      "Type": "Map",
      "MaxConcurrency": 0,
      "InputPath": "$.output",
      "ResultPath": "$.raw_result",
      "Iterator": {
        "StartAt": "CallWorkerLambda",
        "States": {
          "CallWorkerLambda": {
            "Type": "Task",
            "Resource": "$$.worker_arn",
            "End": true
          }
        }
      },
      "Next": "Aggregate"
    },

上一步的输入预期如下： [{"worker_arn":..., "output":1}, {"worker_arn":..., "output":1}, ...]，其中worker_arn所有工人都相同。

当我编写这样的管道时，linter 抱怨它需要一个 ARN。

有没有比将我的工人 lambda 包装到另一个 lambda 更好的选择？