小编ACh*_*ion的帖子

我安装了Tor作为我的Windows机器上的服务运行,我试图通过Stem包在python中发出请求.在我的torrc文件中,我将ControlPort指定为9051并设置了HashedControlPassword.当我运行netstat时,我看到Tor在localhost:9050上运行,但没有任何东西正在侦听端口9051.因此,当我尝试连接到python中的ControlPort时:

Controller.from_port(port=9051)

结果是

[Errno 10061] No connection could be made because the target machine actively refused it

我尝试重新启动服务,我甚至重新安装了Tor浏览器,但似乎没有什么能让ControlPort工作.

鉴于以下代码,您如何正确调度类方法:

>>> class A:
...     def a(self):
...         pass
...     def b(self):
...         pass
...     c = a
...     dispatch_map = { 'a' : a, 'b' : b }
...     def dispatch(self, arg):
...         self.dispatch_map[arg]()   # Fail: unbound method!
>>> A().c
<bound method A.a of <__main__.A object at 0x100550210>>
>>> A().dispatch_map['a']
<function a at 0x10054acf8>

为什么是c绑定方法,dispatch_map['a']而未绑定方法.这对于普通函数来说很简单,并且是select/case替换的常用习惯用法,使用类方法执行此操作的正确方法是什么？

我对python真的很陌生。我在 excel 文件中有三个 col 和大约 7000~8000 行。将数据导入 python 后，如何计算每个列的均值和标准差。

import xlrd
file_location = "C:/Users/Roy/Desktop/table.xlsx"
workbook = xlrd.open_workbook(file_location)
sheet=workbook.sheet_by_index(0)

说,我有以下排序的列表列表:

清单1:(12,24,36)

清单2:(3,5,12,24)

清单3:(36,41,69)

我想找出整个列表列表中每个元素的频率.我在python中想出了一个丑陋的模块,但我想知道是否有一些库函数..

编辑:请找到下面的代码

def find_frequency(transactions,list):
    freq = 0
    for items_transaction in transactions:
        flag = 0
        for candidate in list:
            if candidate not in items_transaction:
                flag = 1
                break
        if flag == 0:
            freq += 1
    return freq

请求用户输入,当他们输入字母时,会出现错误消息(如我所愿),但即使用户输入数字,也会出现错误.如果输入正确的数据,我希望它从这个循环出来,然后到下一个名称.

这不是一个编程问题,但重要的是在python中编写干净的程序:

是否有在函数参数之间留空的最佳实践？比如哪个更好:

1.

idf['datetime'] = pandas.to_datetime(idf['Year'].astype(str) + ' ' + idf['JD'].astype(str), format = '%Y %j')

或
2.

idf['datetime'] = pandas.to_datetime(idf['Year'].astype(str)+' '+idf['JD'].astype(str),format='%Y %j')

还有,更好的是;

1.

idf['MONTH'] = idf['datetime'].apply(lambda x: x.month)
idf['DAY']   = idf['datetime'].apply(lambda x: x.day)
idf['unq']   = idf.groupby('Ob').cumcount() + 1 

或2.

idf['MONTH'] = idf['datetime'].apply(lambda x: x.month)
idf['DAY'] = idf['datetime'].apply(lambda x: x.day)
idf['unq'] = idf.groupby('Ob').cumcount() + 1