小编sed*_*idw的帖子

我有一个如下所示的数据框

   color  x   y
0    red  0   0
1    red  1   1
2    red  2   2
3    red  3   3
4    red  4   4
5    red  5   5
6    red  6   6
7    red  7   7
8    red  8   8
9    red  9   9
10  blue  0   0
11  blue  1   1
12  blue  2   4
13  blue  3   9
14  blue  4  16
15  blue  5  25
16  blue  6  36
17  blue  7  49
18  blue  8  64 …

我想使用Flask sessioncookie 在请求之间保存ID ,但是Internal Server Error当我执行请求时,我得到了一个结果.

我制作了一个简单的Flask应用程序原型来演示我的问题:

#!/usr/bin/env python

from flask import Flask, session

app = Flask(__name__)

@app.route('/')
def run():
    session['tmp'] = 43
    return '43'

if __name__ == '__main__':
    app.run()

为什么我session执行请求时无法使用以下值存储cookie？

我正在尝试将函数应用于pandas DataFrame的所有行(实际上只是该DataFrame中的一列)

我确定这是一个语法错误,但我知道我做错了什么

df['col'].apply(lambda x, y:(x - y).total_seconds(), args=[d1], axis=1)

该col列包含一堆datetime.datetime对象,并且d1是最早的对象.我正在尝试获取每行的总秒数列

编辑我不断收到以下错误

TypeError: <lambda>() got an unexpected keyword argument 'axis'

我不明白为什么axis要传递给我的lambda函数

编辑2

我也尝试过

def diff_dates(d1, d2):
    return (d1-d2).total_seconds()

df['col'].apply(diff_dates, args=[d1], axis=1)

我得到了同样的错误

我继承了一些试图使用函数最小化函数的代码scipy.optimize.minimize.我无法理解fun和jac参数的一些输入

最小化调用看起来像这样:

result = minimize(func, jac=jac_func, args=(D_neg, D, C), method = 'TNC' ...other arguments)

func 看起来如下:

def func(G, D_neg, D, C):
#do stuff

jac_func 具有以下结构:

def jac_func(G, D_neg, D, C):
#do stuff

我不明白的是G输入func和jac_func来自哪里.是以某种方式在minimize函数中指定,还是由method指定为TNC？的事实？我试图对这个优化函数的结构进行一些研究,但是我找不到我需要的答案.任何帮助是极大的赞赏

我正在使用它seaborn clustermap创建集群,在视觉上它工作得很好(这个例子产生非常相似的结果).

但是,我无法弄清楚如何以编程方式提取集群.例如,在示例链接中,我怎么能发现1-1 rh,1-1 lh,5-1 rh,5-1 lh是一个很好的聚类？视觉上很容易.我正在尝试使用查看数据和树形图的方法,但我收效甚微

从示例编辑代码:

import pandas as pd
import seaborn as sns
sns.set(font="monospace")

df = sns.load_dataset("brain_networks", header=[0, 1, 2], index_col=0)
used_networks = [1, 5, 6, 7, 8, 11, 12, 13, 16, 17]
used_columns = (df.columns.get_level_values("network")
                          .astype(int)
                          .isin(used_networks))
df = df.loc[:, used_columns]

network_pal = sns.cubehelix_palette(len(used_networks),
                                    light=.9, dark=.1, reverse=True,
                                    start=1, rot=-2)
network_lut = dict(zip(map(str, used_networks), network_pal))

networks = df.columns.get_level_values("network")
network_colors = pd.Series(networks).map(network_lut)

cmap = sns.diverging_palette(h_neg=210, h_pos=350, s=90, l=30, as_cmap=True)

result = sns.clustermap(df.corr(), …

我有一个我正在尝试使用的模型LogisticRegression,sklearn它具有几千个功能和大约60,000个样本.我正在尝试适应模型,它现在已经运行了大约10分钟.我正在运行它的机器有几千兆字节的RAM和几个核心可供使用我想知道是否有任何方法可以加快这个过程

编辑 该机器有24个核心,这里是顶部的输出,以提供内存的概念

Processes: 94 total, 8 running, 3 stuck, 83 sleeping, 583 threads      20:10:19
Load Avg: 1.49, 1.25, 1.19  CPU usage: 4.34% user, 0.68% sys, 94.96% idle
SharedLibs: 1552K resident, 0B data, 0B linkedit.
MemRegions: 51959 total, 53G resident, 46M private, 676M shared.
PhysMem: 3804M wired, 57G active, 1042M inactive, 62G used, 34G free.
VM: 350G vsize, 1092M framework vsize, 52556024(0) pageins, 85585722(0) pageouts
Networks: packets: 172806918/25G in, 27748484/7668M out.
Disks: 14763149/306G read, 26390627/1017G written. …

我刚刚为VS 2017安装了Productivity Power Tools,安装程序说一切都很成功,我确实在工具>选项中看到了它的位置.但是,当我点击它时,它没有启用/禁用某些功能的选项(例如,自定义文档).

我尝试卸载并重新安装但没有成功.旧的行为用于显示单击时启用/禁用功能的功能.现在它只显示HTML副本选项卡的输出

下面我有以下脚本创建一个简单的时间序列图:

%matplotlib inline
import datetime
import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt

fig, ax = plt.subplots()

df = []
start_date = datetime.datetime(2015, 7, 1)
for i in range(10):
    for j in [1,2]:
        unit = 'Ones' if j == 1 else 'Twos'
        date = start_date + datetime.timedelta(days=i)

        df.append({
                'Date': date.strftime('%Y%m%d'),
                'Value': i * j,
                'Unit': unit
            })

df = pd.DataFrame(df)

sns.tsplot(df, time='Date', value='Value', unit='Unit', ax=ax)
fig.autofmt_xdate()

结果如下:

正如你所看到的那样,x轴的日期时间有奇怪的数字,而不是常见的"漂亮"表示matplotlib和其他绘图工具.我已经尝试了很多东西,重新格式化数据,但它永远不会干净.有人知道的方法吗？

我有一个类,主要用于定义其他类的公共常量.它看起来像下面这样:

class CommonNames(object):
    C1 = 'c1'
    C2 = 'c2'
    C3 = 'c3'

我希望"pythonically"获得所有常量值.如果我使用CommonNames.__dict__.values()我得到那些值('c1'等等),但我得到其他的东西,如:

[<attribute '__dict__' of 'CommonNames' objects>,
 <attribute '__weakref__' of 'CommonNames' objects>,
 None]

我不想要的.

我希望能够获取所有值,因为此代码将在以后更改,我希望其他地方了解这些更改.

我有一个django迁移我试图申请.它变得很好(它很小,它只添加了CharField两个不同的模型.但是当我运行实际的迁移它挂起(没有失败,没有成功,只是坐着).

通过谷歌搜索我发现其他打开的连接可以搞乱它,所以我重新启动了数据库.但是,此DB连接到连续运行的作业,新查询会立即潜入.但是它们很小,上次我尝试重新启动时我认为我能够在其他任何事情之前执行迁移.依然没有.

还有其他已知的问题导致这样的事情吗？