我愚蠢地（？）pip安装了tensorflow-gpu，现在import tensorflow as tf失败并出现错误（找不到某些共享库）。有没有一种方法可以将环境重置为“出厂设置”？
我正在尝试使用 来加速一些代码numba，但这很难。例如，以下函数不使用 numba-fy，
@jit(nopython=True)
def returns(Ft, x, delta):
T = len(x)
rets = Ft[0:T - 1] * x[1:T] - delta * np.abs(Ft[1:T] - Ft[0:T - 1])
return np.concatenate([[0], rets])
因为 numba 找不到 的签名np.concatenate。对此有规范的修复吗？
我正在尝试将 csv 文件转换为镶木地板（我真的不在乎它是在 python 还是命令行中完成的，或者...）无论如何，这个问题解决的是，但答案似乎需要一个人来阅读首先是 csv，因为在我的例子中 csv 是 17GB，所以这实际上并不可行，所以我想要一些“离线”或流式传输方法。
考虑以下代码：
dog = (a=5, b=6, c=7)
frog = Dict(pairs(dog))
frog.keys
返回：
16-element Vector{Symbol}:
:a
:b
#undef
#undef
#undef
#undef
#undef
#undef
#undef
:c
#undef
#undef
#undef
#undef
#undef
#undef
现在，我很清楚要获取字典的键，标准方法是keys(frog)，这确实做了正确的事情，但是keys字典的属性是什么，为什么这么奇怪？
在Mathematica中,如果你想要一个函数来记住它的值,那么它在语法上是相当轻松的.例如,这是标准示例 - 斐波那契:
fib[1] = 1
fib[2] = 1
fib[n_]:= fib[n] = fib[n-1] + fib[n-2]
在朱莉娅有一些语法上令人愉快的方式吗？它使其更多涉及的部分原因是类型系统 - 这是一个单个无类型arg的实现:
function memoizeany(func)
thedict = Dict()
return (a)-> memoizeanyaux(a, func, thedict)
end
function memoizeanyaux(a, func, thedict)
if haskey(thedict, a)
return thedict[a]
end
res = func(a)
thedict[a] =res
return res
end
为每个类型的签名执行此操作似乎有点痛苦,并且可能最多的Julia方法是使用@memoize宏,但实际上并没有回答这个问题.当然这已经出现了.
考虑以下：
from functools import partial
def add(a, b, c):
return 100 * a + 10 * b + c
add_part = partial(add, c = 2, b = 1)
add_part(3)
312
工作正常。然而：
def foo(x, y, z):
return x+y+z
bar = partial(foo, y=3)
bar(1, 2)
呕吐：
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
TypeError: foo() got multiple values for argument 'y'
显然我错过了一些明显的东西，但是什么呢？
我最近开始使用 Pluto.jl，它非常好（而且视觉上很吸引人）。问题是：我如何设置一个“pluto 服务器”，就像jupyter. 这一定很容易，但我没有看到任何文档。
pandas有许多非常方便的实用程序用于操作日期时间索引。Julia 中有类似的功能吗？我还没有找到任何处理此类事情的教程，尽管它显然是可能的。
实用程序的一些示例pandas：
dti = pd.to_datetime(
["1/1/2018", np.datetime64("2018-01-01"),
datetime.datetime(2018, 1, 1)]
)
dti = pd.date_range("2018-01-01", periods=3, freq="H")
dti = dti.tz_localize("UTC")
dti.tz_convert("US/Pacific")
idx = pd.date_range("2018-01-01", periods=5, freq="H")
ts = pd.Series(range(len(idx)), index=idx)
ts.resample("2H").mean()
我有一个 Julia 矩阵（当然，如果有帮助的话，我可以将其放入数据框），并且我想删除所有具有 NaN 值的行和列。谷歌似乎没有帮助。在 pandas 中，这是微不足道的：df.dropna().dropna(axis=1)
假设我有一个numpy数组（或者pandas Series如果它使它更容易的话），它看起来像这样：
foo = np.array([1, 0, 0, 0, 0, 1, 0, 0, 1, 0, 0, 0])
我想转成数组
bar = np.array([0, 1, 2, 3, 4,0, 1, 2, 0, 1, 2, 3])
其中条目是您需要向左走多少步才能找到1in foo。
现在，显然可以编写一个循环来计算bar，foo但这会非常慢。还有什么更聪明的事情可以做吗？
更新该pd.Series解决方案比纯解决方案慢大约 7 倍numpy。愚蠢的循环解决方案非常慢（毫不奇怪），但是当使用 jit 编译时，numba它与解决方案一样快numpy。
我在“thisWorkbook”中定义了一堆方法，但我无法=foo(17.0)从电子表格中访问它们。在互联网上搜索表明，对于要直接从电子表格使用的功能，您应该Module首先创建一个新的。所以，这是一个由两（三）部分组成的问题：第一个问题是：创建新模块与将内容放入本工作簿有何不同。第二个是：我应该放入什么thisWorkbook？第三个问题是：是否有任何方法可以访问thisWorkbookExcel UI 中的功能（或某些特定的工作表模块？