小编fel*_*lix的帖子

在python中绘制动态编程(如路径)的好方法是什么？

我看过网上看到pygame,但这真的是这种技术绘图的最佳选择吗？

一种选择可能是使用类似的东西使用matplotlib

import matplotlib.pylab as plt
plt.figure()
col_labels=['col1','col2','col3']
row_labels=['row1','row2','row3']
table_vals=[[11,12,13],[21,22,23],[31,32,33]]

the_table = plt.table(cellText=table_vals,
                  colWidths = [0.1]*3,
                  rowLabels=row_labels,
                  colLabels=col_labels,
                  loc='center right')
plt.text(12,3.4,'Table Title',size=8)

plt.show()

我怎样才能在桌子上画线？

我在pandas数据框中有一些数据（尽管pandas不是这个问题的重点）。作为一个实验，我将ZR列作为Z列除以R列。作为使用scikit的第一步，我想了解我是否可以从其他列中预测ZR（这应该是可行的，因为我刚刚从R和Z中得出了） 。我已经走了。

columns=['R','T', 'V', 'X', 'Z']
for c in columns:
    results[c] = preprocessing.scale(results[c]) 
results['ZR'] = preprocessing.scale(results['ZR'])
labels = results["ZR"].values
features = results[columns].values
#print labels
#print features
regr = linear_model.LinearRegression()
regr.fit(features, labels)
print(regr.coef_)
print np.mean((regr.predict(features)-labels)**2)

这给

[ 0.36472515 -0.79579885 -0.16316067  0.67995378  0.59256197]
0.458552051342

1. 预处理似乎是错误的，因为它破坏了我认为的Z / R关系。在这种情况下进行预处理的正确方法是什么？
2. 有什么方法可以使准确性接近100％？线性回归是错误的工具，因为关系不是非线性的。
3. 这五个功能与我的数据高度相关。scikit中实现的非负最小二乘学习吗？（我可以在邮件列表中看到它，但是在文档中没有看到。）我的目标是将尽可能多的系数设置为零。

我正在使用如何在鼠标悬停在数据上时显示数据标签的示例,以便在鼠标悬停在点上时生成数据.这样做效果很好,但是有一些方法可以保存它,所以我可以将图像发送给其他人吗？我不确定哪种格式支持"工具提示",但pdf和svg都支持,也许还有其他方式？

如果我需要打包可执行文件,那么在linux中执行此操作的最简单方法是什么？

我有一些简单的代码如下.

count =0 
iters = 1000000 
l=10 
k=10 
for i in xrange(iters):
    t = np.random.choice([-1,1],size=l+k-1)
    v = np.random.choice([-1,1], size = l)
    if (not np.convolve(v, t, 'valid').any()):
        count += 1

print count

当我对此进行分析时,我惊讶地发现只有一小部分时间花在np.convolve理论上应该是最昂贵的部分.有没有办法加快其他部分,以便np.convolve占用大部分时间？

我很乐意使用pypy但遗憾的是它还不支持np.convolve.

有没有办法让它足够快,iters = 1亿,l = 12,k = 12可以终止？

在linux中,calloc与malloc + memset完全相同,还是取决于确切的linux /内核版本？

我特别感兴趣的是你是否可以使用比实际更多的内存来调用RAM(因为你可以使用更多RAM来实现内存,你只是无法写入它).换句话说,calloc总是实际写入你已经分配的内存,因为规范建议应该这样做.

当你在linux中使用malloc内存时,不能保证根据规范将其归零.那么你得到的数据呢？