小编use*_*916的帖子

我的问题在标题中得到了解释。我已经尝试编译我在这里找到的示例 .Rmd：http ://www.ssc.wisc.edu/~hemken/Stataworkshops/Stata%20and%20R%20Markdown/ 除了在线查找各种资源无济于事之外。虽然我的资源 Doug 能够编译 RMarkdown，但下面的 MWE 出现错误。

MWE 是：

---
title: "Stata and R Markdown (Windows)"
author: "Doug Hemken"
date: "July 2015"
output: 
html_document:
toc: yes
---

```{r, echo=FALSE, message=FALSE}
require(knitr)
statapath <- "/Applications/Stata/Stata.app"
opts_chunk$set(engine="stata", engine.path=statapath, comment="")
```

### Descriptive Statistics
A simple example.
```{r}
sysuse auto
summarize
```

RStudio 控制台的输出/错误是：

processing file: stata.Rmd
  |................                                                 |  25%
   ordinary text without R code

  |................................                                 |  50%
label: unnamed-chunk-1 (with options) 
List of 2
$ echo   : logi FALSE …

假设我们有两个Pandas DataFrame,如下所示:

df1 = pd.DataFrame({'id': ['a', 'b', 'c']})
df1
    id
0   a
1   b
2   c

df2 = pd.DataFrame({'ids': [['b','c'], ['a', 'b'], ['a', 'z']], 
                    'info': ['asdf', 'zxcv', 'sdfg']})
df2
    ids     info
0   [b, c]  asdf
1   [a, b]  zxcv
2   [a, z]  sdfg

我如何加入/合并的行df1与df2地方df1.id是df2.ids？

换句话说,我如何实现以下目标:

df3
   id   ids     info
0  a    [a, b]  asdf
1  a    [a, z]  sdfg
2  b    [b, c]  asdf
3  b    [a, b]  zxcv
4  c    [b, …

如何计算由ARRAY_AGG()PostgresQL创建的数组对象中不同元素的数量？这是一个用于讨论的玩具示例：

SELECT ARRAY_AGG (first_name || ' ' || last_name) actors
FROM film

我试过ARRAY_LENGTH(),LENGTH()等，像这样：

SELECT ARRAY_LENGTH(a.actors)
FROM (SELECT ARRAY_AGG (first_name || ' ' || last_name) actors
      FROM film) a;

但我收到一个错误：

function array_length(integer[]) does not exist
  Hint: No function matches the given name and argument types. You might need to add explicit type casts.
  Position: 208

所以我尝试了（2）：

SELECT ARRAY_LENGTH( CAST(COALESCE(a.actors, '0') AS integer) )
FROM (SELECT ARRAY_AGG (first_name || ' ' || last_name) actors
      FROM film) …

我试图从Python列表中删除一个元素:

+---------------+
|        sources|
+---------------+
|           [62]|
|        [7, 32]|
|           [62]|
|   [18, 36, 62]|
|[7, 31, 36, 62]|
|    [7, 32, 62]|

我希望能够rm从上面列表中的每个列表中删除元素.我写了一个函数,可以为列表列表做到这一点:

def asdf(df, rm):
    temp = df
    for n in range(len(df)):
        temp[n] = [x for x in df[n] if x != rm]
    return(temp)

哪个删除rm = 1:

a = [[1,2,3],[1,2,3,4],[1,2,3,4,5]]
In:  asdf(a,1)
Out: [[2, 3], [2, 3, 4], [2, 3, 4, 5]]

但我不能让它适用于DataFrame:

asdfUDF = udf(asdf, ArrayType(IntegerType()))

In: df.withColumn("src_ex", asdfUDF("sources", 32))

Out: Py4JError: …

我有一个.csv,其中一列ID包含一个前导零的长整数.fread将其转换为一种integer64类型.如何为一列指定类,然后让其fread自动猜测其余列的类？不确定这是一种"全有或全无"的情况.

我有50多个列,而不是必须为所有这些列指定数据类型,因为我必须为其中一个列这样做.

我的问题与:R fread - 将所有列都读为字符.

我正在尝试绘制shap包中的依赖图网格。这是我想要的示例的 MWE 代码：

fig, axs = plt.subplots(2,8, figsize=(16, 4), facecolor='w', edgecolor='k') # figsize=(width, height)
fig.subplots_adjust(hspace = .5, wspace=.001)

axs = axs.ravel()

for i in range(10):

    axs[i].contourf(np.random.rand(12,12),5,cmap=plt.cm.Oranges)
    axs[i].set_title(str(250+i))

plt.show()

这是我到目前为止的代码。有几件事不起作用：

1. 我的网格的图形大小不受我的figsize参数影响
2. 我的代码在网格下方绘制了更大版本的图。
3. 网格中仅显示一个依赖图。

fig, axs = plt.subplots(1,8, figsize=(4, 2))
axs = axs.ravel()

for b in X_test.columns[:3]:
    for a in X_test.columns[:3]:
        shap.dependence_plot((a, b), shap_interaction_values, X_test)

我得到的图像：

我正在关注 Tibshirani 的 ISL 文本。我正在尝试在 ggplot2 中绘制 SVM 的结果。我可以获得点和支持向量，但我无法弄清楚如何获得为 2D 情况绘制的边距和超平面。我用谷歌搜索并检查了 e1071 自述文件。通用的动态解决方案（适用于各种 SVM 内核、成本等）会很棒。这是我的 MWE：

set.seed(1)
N=20
x=matrix(rnorm(n=N*2), ncol=2)
y=c(rep(-1,N/2), rep(1,N/2))
x[y==1,] = x[y==1,] + 1;x[y==1,]
dat = data.frame(x=x, y=as.factor(y))
library(e1071)
library(ggplot2)
svmfit=svm(y~., data=dat, kernel="linear", cost=10, scale=FALSE)

df = dat; df
df = cbind(df, sv=rep(0,nrow(df)))
df[svmfit$index,]$sv = 1

ggplot(data=df,aes(x=x.1,y=x.2,group=y,color=y)) +     
    geom_point(aes(shape=factor(sv)))

像这样的东西： （来自 Python 的 scikit-learn）

我有一个具有20多个功能的Pandas数据框。我想看看他们的相关矩阵。我创建了热图与像下面的代码，用subset1，subset2等：

import seaborn as sns
cmap = sns.diverging_palette( 220 , 10 , as_cmap = True )
sb1 = sns.heatmap(
    subset1.corr(), 
    cmap = cmap,
    square=True, 
    cbar_kws={ 'shrink' : .9 }, 
    annot = True, 
    annot_kws = { 'fontsize' : 12 })

我希望能够并排显示上述代码生成的多个热图：

display_side_by_side(sb1, sb2, sb3, . . .)

我不确定如何执行此操作，因为上面的第一个代码块不仅将结果保存到sb1，而且还绘制了热图。另外，不确定如何编写函数display_side_by_side()。我对Pandas数据框使用以下内容：

# create a helper function that takes pd.dataframes as input and outputs pretty, compact EDA results
from IPython.display import display_html
def display_side_by_side(*args):
    html_str = '' …

以下是一个玩具示例，它是我的实际数据架构的子集。为简洁起见，我将其缩写。

我希望构建一个包含 3 个字段的 PySpark 数据框：ID，Type然后TIMESTAMP将其保存为 Hive 表。我正在努力使用 PySpark 代码来提取相关列。

 |-- Records: array (nullable = true)
 |    |-- element: struct (containsNull = true)
 |    |    |-- FileID: long (nullable = true)
 |    |    |-- SrcFields: struct (nullable = true)
 |    |    |    |-- ID: string (nullable = true)
 |    |    |    |-- Type: string (nullable = true)
 |    |    |    |-- TIMESTAMP: string (nullable = true)

到目前为止，我想我的解决方案应该类似于：

from pyspark.sql.functions import col, explode

df.withColumn("values", explode("values")).select( …

我如何添加python2到PATH？python工作正常，但是我正在调用一个make文件，该文件指向许多调用python2.

C:\\Users\\andcy\\$DETECTRON>python2\n\'python2\' is not recognized as an internal or external command,\noperable program or batch file.\n

不幸的是，我对相关点的搜索给我带来了不适用的答案。例如，以下 SO 帖子仅显示如何添加python到路径，而不是python2.

在 Windows 7 上将 \xe2\x80\x9cpython2\xe2\x80\x9d 路径添加到命令行