小编Gio*_*elm的帖子

我想在我的ipython Notebook中运行一个bash脚本,并将输出保存为python变量中的字符串,以便进一步操作.基本上我想将bash魔法的输出传递给变量,例如输出如下:

%%bash
some_command [options] foo bar

有没有比以下代码更有效的东西来交换numpy 1D数组的两个值？

input_seq = arange(64)

ix1 = randint(len(input_seq))
ixs2 = randint(len(input_seq))

temp = input_seq[ix2]
input_seq[ix2] = input_seq[ix1] 
input_seq[ix1] = temp

如何在python中解决旅行商问题？我没有找到任何库,应该有一种方法使用scipy函数进行优化或其他库.

我的hacky-extremelly-lazy-pythonic强制解决方案是:

tsp_solution = min( (sum( Dist[i] for i in izip(per, per[1:])), n, per) for n, per in enumerate(i for i in permutations(xrange(Dist.shape[0]), Dist.shape[0])) )[2]

其中Dist(numpy.array)是距离矩阵.如果Dist太大,这将需要永远.

建议？

我有一个这样的数据框：

ID  type value
1   A    8
2   A    5
3   B    11
4   C    12
5   D    1
6   D    22
7   D    13

我想过滤数据框，以便我有一个唯一出现的“类型”属性（例如 A 只出现一次），如果有更多的行具有相同的“类型”值，我想选择具有更高值的行. 我想得到类似的东西：

ID  type value
1   A    8
3   B    11
4   C    12
6   D    22

我如何用熊猫做到这一点？

在scipy中,不支持使用数据拟合负二项分布(可能是因为scipy中的负二项式仅是离散的).

对于正态分布,我会这样做:

from scipy.stats import norm
param = norm.fit(samp)

在任何其他库中是否有类似"准备使用"的功能？

我想获取一组熊猫数据框列的数字索引。

一列非常简单：

nonzero(df.columns.values == 'conditionA')

但是有多个元素？我有一些有用的东西，但很冗长，很亲切：

df = pd.DataFrame(columns=['conditionF', 'conditionB', 'conditionA', 'conditionD', 'conditionC'])

cols_to_find = ['conditionA', 'conditionB', 'conditionC']
[i for i in range(len(df.columns.values)) if df.columns.tolist()[i] in cols_to_find ]

更好的想法？

我在 networkx 中有一个有向图 G，我想得到它的最小生成树。我愿意：

 T = nx.algorithms.minimum_spanning_tree( G.to_undirected()  )

这是无方向的，我想恢复方向，但我不知道该怎么做。我试过：

G[T.edges()]

最后一行看起来非常pythonic，但这不是networkx的工作方式，显然......有谁知道怎么做？

换句话说：在给定（无向）边的情况下，如何获得有向树的子图？

在 statsmodels 中，普通最小二乘法实施了似然比检验

OLSResults.compare_lr_test(restricted)

对于广义线性模型 (GLM) 来说，情况并非如此。我尝试复制 OLS 实现：

from scipy import stats

llf_full = results.llf
llf_restr = results_res.llf
df_full = results.df_resid 
df_restr = results_res.df_resid 
lrdf = (df_restr - df_full)
lrstat = -2*(llf_restr - llf_full)
lr_pvalue = stats.chi2.sf(lrstat, df=lrdf)
lr_pvalue

它看起来很简单，但事实上它没有实现，这让我很怀疑。它是否正确？

我想使用 python 生成一些正在移动的二维几何对象（圆形、正方形等）的视频。

我怀疑解决方案可能是使用 pygame、piglet 等库进行渲染，然后使用其他库保存屏幕截图并附加到视频文件。

重要的是，我需要在不打开屏幕/窗口的情况下执行此操作；基本上 pyagme 或 Piglet 应该在某个缓冲区而不是屏幕上写入图像。

我使用 matplotlib 取得了一些成功，但我觉得它不是这个项目最合适的工具，特别是如果我想让图形更漂亮并且想要有一些运行速度快的东西。

编辑：我最终使用了 ffmpeg 等命令行工具

以下代码适合使用以下简化的广义线性模型： statsmodels

model = smf.glm('Y ~ 1', family=sm.families.NegativeBinomial(), data=df)
results = model.fit()

这给出了系数和标准差：

               coef stderr   
Intercept    2.9471  0.120

现在，我想以图形方式将变量Y（直方图）的实际分布与来自模型的分布进行比较。

但是我需要两个参数r并p对其进行评估stats.nbinom(r,p)和绘制。

有没有办法从拟合结果中检索参数？如何绘制PMF？

当我尝试使用以下 python 代码计算马哈拉诺比斯距离时，我在结果中得到了一些 Nan 条目。您知道为什么会发生这种情况吗？我的 data.shape = (181, 1500)

from scipy.spatial.distance import pdist, squareform

data_log = log2(data + 1) # A log transform that I usually apply to my data
data_centered = data_log - data_log.mean(0) # zero centering
D = squareform( pdist(data_centered, 'mahalanobis' ) )

我也尝试过：

data_standard = data_centered / data_centered.std(0, ddof=1)
D = squareform( pdist(data_standard, 'mahalanobis' ) )

还得到了nan。输入没有损坏，并且可以很好地计算其他距离，例如相关距离。由于某种原因，当我减少功能数量时，我就不再获得 Nans 了。例如，以下示例没有得到任何 Nan：

D = squareform( pdist(data_centered[:,:200], 'mahalanobis' ) )
D = squareform( pdist(data_centered[:,180:480], 'mahalanobis' ) )

而其他人则得到 Nans：

D …

关于过去发生的事件,我有成千上万的句子.例如

sentence1 = 'The Knights Templar are founded to protect Christian pilgrims in Jerusalem.'
sentence2 = 'Alfonso VI of Castile captures the Moorish Muslim city of Toledo, Spain.'
sentence3 = 'The Hindu Medang kingdom flourishes and declines.'

我想将它们转换成表格的问题:

question1 = 'When were the Knights Templar founded to protect Christian pilgrims in Jerusalem?'
question2 = 'When did Alfonso VI of Castile capture the Moorish Muslim city of Toledo, Spain?'
question3 = 'When did the Hindu Medang kingdom flourish and decline?'

我意识到这是一个复杂的问题,我的成功率为80%. …