小编cov*_*nce的帖子

np.random.seed在Scikit-Learn教程的下面代码中做了什么？我对NumPy的随机状态生成器的东西不太熟悉,所以我真的很感谢外行人的术语解释.

np.random.seed(0)
indices = np.random.permutation(len(iris_X))

假设我有一些如下所示的数据.

Lucy = 1
Bob = 5
Jim = 40
Susan = 6
Lucy = 2
Bob = 30
Harold = 6

我想结合1)删除重复键,2)添加这些重复键的值.这意味着我得到了键/值:

Lucy = 3
Bob = 35
Jim = 40
Susan = 6
Harold = 6

使用(来自集合)计数器或默认字典会更好吗？

我需要格式化一个大的JSON文件以提高可读性，但是我发现的每个资源（主要是在线资源）都无法处理1-2 MB以上的数据。我需要格式化大约30 MB。有没有办法做到这一点，或者有什么办法编写一些东西来做到这一点？

我是scrakit-learn的新手,目前正在学习NaïveBayes(Multinomial).现在,我正在研究sklearn.feature_extraction.text中的文本向量化,出于某种原因,当我向某些文本进行矢量化时,单词"I"不会出现在输出的数组中.

码:

x_train = ['I am a Nigerian hacker', 'I like puppies']

# convert x_train to vectorized text
vectorizer_train = CountVectorizer(min_df=0)
vectorizer_train.fit(x_train)
x_train_array = vectorizer_train.transform(x_train).toarray()

# print vectorized text, feature names
print x_train_array
print vectorizer_train.get_feature_names()

输出:

1 1 0 1 0
0 0 1 0 1
[u'am', u'hacker', u'like', u'nigerian', u'puppies']

为什么"我"似乎没有出现在功能名称中？当我将其更改为"Ia"或类似的其他内容时,它确实会显示出来.

我有两个numpy数组,X_train和Y_train,其中第一个维度(700,1000)由值0,1,2,3,4和10填充.第二个维度(700,)填充为由于我正在使用烂番茄的API,因此我认为这些值是"新鲜的"或"腐烂的".出于某种原因,当我执行时:

nb = MultinomialNB()
nb.fit(X_train, Y_train)

我明白了:

ValueError: Unknown label type

我尝试构建一对较小的数组:

print xs, '\n', ys

给

[[0 0 0 0 1]
 [1 0 0 2 5]
 [3 2 5 5 0]
 [3 2 0 0 1]
 [1 5 1 0 0]]

['rotten' 'fresh' 'fresh' 'rotten' 'fresh']

并且多项NB适合不会出现未知标签错误.有关为什么会发生这种情况的任何想法？

我还用numpy.unique检查了X_train,Y_train中的唯一值,看起来好像没有任何奇怪或错误的标签 - 它们都是'新鲜'或'烂'.

我生成X_train和Y_train的代码:

def make_xy(critics, vectorizer=None):
    stext = critics['quote'].tolist() # need to have a list
    if vectorizer == None:
        vectorizer = CountVectorizer(min_df=0)
    vectorizer.fit(stext)
    X = vectorizer.transform(stext).toarray() # this is X
    Y …

假设我有一个包含一个或多个元组的列表:

[0, 2, (1, 2), 5, 2, (3, 5)]

什么是摆脱元组的最佳方法,以便它只是一个int列表？

[0, 2, 1, 2, 5, 2, 3, 5]

在Numpy中编写一个简单的脚本来解决一个由3个方程组成的系统:

from numpy import *
a = matrix('1 4 1; 4 13 7; 7 22 13')
b = matrix('0;0;1')
print linalg.solve(a,b)

但当我通过命令提示符运行它时,我得到了:

[[  3.46430741e+15]
 [ -6.92861481e+14]
 [ -6.92861481e+14]]

虽然沃尔夫勒姆阿尔法说没有解决方案.

有谁知道为什么Numpy/WRA答案之间似乎存在这种差异？

我有一个使用 pd.read_json() 创建的 Pandas 数据框。当我读入它时，我得到一些只有空列表或 None 的单元格，并且我想检测某些列中带有这些 []、None 的行。例如：

    feat 1    feat 2    feat 3
0     []        []        5
1     6         8         3
2     None      10        NaN

我想删除第 0 行和第 2 行，因为它们有 None/NaN/空列表。我怎样才能用熊猫做到这一点？

Windows:我在我的计算机上安装了Python软件包CVXOPT,用于常规的Python发行版,虽然不是专门用于Anaconda,所以当我在进行文本编辑器/ cmd python脚本编写时,它导入的很好.我尝试用Anaconda安装CVXOPT,但是没有用,所以我不得不在使用iPython时直接导入库.

我的目录结构如下:

C:
--Python27
----Lib
------site-packages
--------cvxopt
----------__init__.py
----------.....

我在iPython笔记本中运行此代码时发生错误:

import sys
sys.path.append('C:\Python27\Lib\site-packages\cvxopt')
import cvxopt

错误:

ImportError: No module named cvxopt

我怎样才能解决这个问题？也许我正在错误地追加路径？