小编Ped*_*raz的帖子

我正在使用 Python 2.7、PyCharm 和 Anaconda，

我有一个list日期，我想检索数组中存在的每个月的最后一个日期。

有没有任何函数或库可以帮助我做到这一点？

我从 CSV 文件中读取日期并将其存储为datetime.

我有以下代码：

Dates=[]
Dates1=[]
for date in dates:
    temp=xlrd.xldate_as_tuple(int(date),0)
    Dates1.append(datetime.datetime(temp[0],temp[1],temp[2]))

for date in Dates1:
    if not (date<startDate or date>endDate):
        Dates.append(date)

为了说清楚，假设我有：

Dates = [2015-01-20, 2015-01-15, 2015-01-17, 2015-02-21, 2015-02-06] 

（考虑它是datetime格式化的。）

我想要检索的列表是：

[2015-01-20, 2015-02-21]

到目前为止，我已经用谷歌搜索过，尤其是在 Stack Overflow 中，但我只能找到如何获取每个月最后日期的答案，而不能从用户指定的列表中找到答案。

我array_equal从NumPy. 我确定我遗漏了一个非常简单的细节。

我想要完成的是单元测试。

事实是，我有数组 1：

In[21]: bounds['lowerBound']

Out[21]: array([ 1. ,  1.2,  1.8])

我有数组 2：

In[22]: res['lowerBound']

Out[22]: array([ 1. ,  1.2,  1.8])

以防万一我确实检查了它们的形状：

In[26]: bounds['lowerBound'].shape
Out[26]: (3,)
In[28]: res['lowerBound'].shape
Out[28]: (3,)

还有dtypes：

In[30]: res['lowerBound'].dtype
Out[30]: dtype('float64')
In[31]: bounds['lowerBound'].dtype
Out[31]: dtype('float64')

仍然当我尝试验证它们是否相同时：

In[29]:  np.array_equal(bounds['lowerBound'],res['lowerBound'])
Out[29]: False

怎么可能 ？

提前致谢 ！

编辑：用于生成数据的代码是：

bounds={'lowerBound':np.array([1.,1.2,1.8]), 'upperBound':np.array([10.,12.,18.])}

和res字典由以下函数生成：

def generateAdjustedBounds(self,universeMktCap,lowerBound,upperBound):
    lb=np.zeros(len(universeMktCap))
    ub=np.zeros(len(universeMktCap))
    lb[0]=lowerBound
    ub[0]=upperBound

    for dat in range(1,len(lb)):
        lb[dat]=lb[dat-1]*universeMktCap[dat]/universeMktCap[dat-1]
        ub[dat]=ub[dat-1]*universeMktCap[dat]/universeMktCap[dat-1]

    Bounds={'lowerBound':np.array(lb),'upperBound':np.array(ub)}

    return Bounds

我做了一些查找,找到了一些答案,但没有一个明确或确定.

我只是想知道,是否可以MatLab在scripts(m-file)中本地定义函数？

因为有时我只想要一个我不会用于任何其他脚本的小功能,所以我不想为它创建一个新文件.为了便于处理它们.

我正在尝试构建一个基本上只有一个窗口的 GUI。该窗口是不同框架的组合。我想要做的是将这些框架（每个框架进一步包含多个小部件）以某种格式排列在一起：

• 第一帧（左上）：窗口大小的一半（从上到左）
• 第二帧（左下）：从底部到左侧的窗口大小的一半
• 第三帧（右上）：窗口顶部尺寸的 1/3，窗口右侧尺寸的一半。
• 第四帧（右下）：窗户上剩余的空间。

下面，我为该问题添加了一个简单的简约代码。为了简单起见，我使用了相同的 FRAME 类并创建了该类的 4 个实例以添加到主窗口中。我使用 Tkinter 的网格管理器来组织框架中的小部件，然后再次使用网格管理器将这些框架打包到主窗口中。

import Tkinter as tk 

# Test frame class. The same frame is used to create 4 instances. 
class TestFrame(tk.Frame): 
    def __init__(self, master=None, *args, **kwargs):
        tk.Frame.__init__(self, *args, **kwargs)
        super().__init__(master)
        
        # Test Entry fields
        test_label_1                = tk.Label(master, text="Test Label 1").grid(row=0, column=0)
        test_label_1_entry          = tk.Entry(master, bd=5).grid(row=0, column=1)
        test_label_2                = tk.Label(master, text="Test Label 2").grid(row=0, column=2)
        test_label_2_entry          = tk.Entry(master, bd=5).grid(row=0, column=3)
    
        # Test checkbox fields
        test_checkbox_1_label       = tk.Label(master, text="Test check button …

我正在尝试优化一些执行大量顺序矩阵运算的代码.

我想numpy.linalg.multi_dot(这里的文档)将执行C或BLAS中的所有操作,因此它会比执行类似arr1.dot(arr2).dot(arr3)等等更快.

我真的很惊讶在笔记本上运行这段代码:

v1 = np.random.rand(2,2)

v2 = np.random.rand(2,2)



%%timeit 
    ?    
v1.dot(v2.dot(v1.dot(v2)))

The slowest run took 9.01 times longer than the fastest. This could mean that an intermediate result is being cached.
100000 loops, best of 3: 3.14 µs per loop



%%timeit        ?

np.linalg.multi_dot([v1,v2,v1,v2])

The slowest run took 4.67 times longer than the fastest. This could mean that an intermediate result is being cached.
10000 loops, best of 3: 32.9 µs per loop

要发现相同的操作使用速度慢了10倍 …