小编Fra*_*Fra的帖子

我正在使用熊猫做环形缓冲区,但内存使用量不断增长.我究竟做错了什么？

这是代码(从问题的第一篇文章稍微编辑):

import pandas as pd
import numpy as np
import resource


tempdata = np.zeros((10000,3))
tdf = pd.DataFrame(data=tempdata, columns = ['a', 'b', 'c'])

i = 0
while True:
    i += 1
    littledf = pd.DataFrame(np.random.rand(1000, 3), columns = ['a', 'b', 'c'])
    tdf = pd.concat([tdf[1000:], littledf], ignore_index = True)
    del littledf
    currentmemory = resource.getrusage(resource.RUSAGE_SELF).ru_maxrss
    if i% 1000 == 0:
        print 'total memory:%d kb' % (int(currentmemory)/1000)

这就是我得到的:

total memory:37945 kb
total memory:38137 kb
total memory:38137 kb
total memory:38768 kb
total memory:38768 kb
total …

如何在Pandas中使用具有长名称和自定义标记的颜色？

使用标准颜色我会这样做:

df.plot(style = 'ro')

但我做不到:

df.plot(style = 'lightgreeno')

我试过了:

df.plot(color = 'lightgreen', style = 'o')

但我得到:

ValueError: Cannot pass 'style' string with a color symbol and 'color' keyword argument. Please use one or the other or pass 'style' without a color symbol

有任何想法吗？

假设我有10台机器，每台机器有2个GPU，并且我想运行一个分布式TensorFlow集群。我应该分配多少个参数服务器给VS主服务器？

我有一个 0-1023 范围内的数字列表。我想将它们转换为整数，例如 1023 映射到 -1，1022 映射到 -2 等。而 0, 1, 2, ....511 保持不变。

我想出了一个简单的方法：

def convert(x):
    return (x - 2**9) % 2**10 - 2**9

有没有更好的办法？

我正在尝试在Mac OS上使用带有anaconda python 的pyqtgraph

Python 2.7.5 |Anaconda 1.6.1 (x86_64)| (default, Jun 28 2013, 22:20:13) 
[GCC 4.0.1 (Apple Inc. build 5493)] on darwin

我安装了pyqtgraph pip install pyqtgraph,看起来工作正常.但是,如果我从库中运行任何命令,我会收到此错误:

Qt internal error: qt_menu.nib could not be loaded. The .nib file should be
placed in QtGui.framework/Versions/Current/Resources/  or in the resources
directory of your application bundle.

我发现这个SO线程,似乎与C++应用程序有关.在我的情况下,我没有application.app文件夹,所以我有点迷路.

就像是

x, y = [expression for d in data]

基本上我想获得相当于这个:

x = []
y = []
for d in data:
    x.append(d[0])
    y.append(d[1])

data嵌套列表在哪里？

如果数据是字典列表怎么办？

x = []
y = []
for d in data:
    x.append(d['key1'])
    y.append(d['key2'])

如果我想对数据是字典列表的每一列应用不同的函数怎么办？

x = []
y = []
for d in data:
    x.append(func1(d['key1']))
    y.append(func2(d['key2']))