我想在节点上进行双击事件.所以我试过了
.on("dbclick",function(d){return "http://google.com");});
和
.bind({"dbclick",function(d){alert("hello")} });
但都失败了.谁能帮我？
完整代码如下.
var node = svg.selectAll(".node")
.data(graph.nodes)
.enter().append("g")
.attr("class", "node")
//.on("dbclick",function(d){return "http://google.com");});
//.attr("xlink:href", function(d){return d.url;}
.call(force.drag);
//.bind({"dbclick",function(d){alert("hello")} });
最后,我使用了以下方法.(dblclick也有效)
var node = svg.selectAll(".node") .data(graph.nodes) .enter().append("a")
.attr("class", "node") .attr("target", "_blank")
.attr("xlink:href", function(d){return "google.com";;})
我将把Python pandas数据帧转换为R中的数据帧.我发现了这个问题的几个库
http://pandas.pydata.org/pandas-docs/stable/r_interface.html
这是rpy2
但我找不到保存或转移到R的方法.
首先我试过"to_csv"
df_R = com.convert_to_r_dataframe(df_total)
df_R.to_csv(direc+"/qap/detail_summary_R/"+"distance_"+str(gp_num)+".csv",sep = ",")
但它给了我一个错误
"AttributeError: 'DataFrame' object has no attribute 'to_csv' "
所以我试着看看它的数据类型
<class 'rpy2.robjects.vectors.DataFrame'>
我怎么能将这种类型的对象保存到csv文件或转移到R？
我试图在Anaconda上安装OpenCV
pip install cv2
pip install opencv
conda install opencv
conda install -c https://conda.binstar.org/jjhelmus opencv
(这里提到Anaconda找不到模块cv2)
但都失败了.有人知道如何安装吗？
我有列表,我想将其作为列标签插入.但是当我使用read_excel的pandas时,他们总是将第0行视为列标签.我怎么能将该文件作为pandas数据帧读取,然后将列表作为列标签
orig_index = pd.read_excel(basic_info, sheetname = 'KI12E00')
0.619159 0.264191 0.438849 0.465287 0.445819 0.412582 0.397366 \
0 0.601379 0.303953 0.457524 0.432335 0.415333 0.382093 0.382361
1 0.579914 0.343715 0.418294 0.401129 0.385508 0.355392 0.355123
这是我的列名列表
print set_index
[20140109, 20140213, 20140313, 20140410, 20140508, 20140612]
我想制作如下数据帧
20140109 20140213 20140313 20140410 20140508 20140612
0 0.619159 0.264191 0.438849 0.465287 0.445819 0.412582 0.397366 \
1 0.601379 0.303953 0.457524 0.432335 0.415333 0.382093 0.382361
2 0.579914 0.343715 0.418294 0.401129 0.385508 0.355392 0.355123
我是Python的spyder IDE的初学者.
要使用spyder IDE,我使用python 2.7在anaconda控制台上命令"spyder"
之后,我尝试打印"hi"
但是我遇到了一条错误消息
"目前没有选择python shell来运行hu.py请选择或打开一个新的Python解释器并再试一次"
我怎么能解决这个问题？
我将文件保存在C:\ Anaconda\practice_jhk上
from __future__ import print_function
print ("hi")
我的最终目标是制作包含一对对应数据帧位置的列表，如下所示
[df_one_first_element, df_two_first_element, column_first, index_first]
:[0.619159, 0.510162, 20140109,0.50], [0.264191,0.269053,20140213,0.50]...
所以我试图迭代两个数据帧，但是现在卡住了。我如何迭代两个具有完全相同的格式但数据不同的数据框。
例如，我有两个数据框。df_one和df_two如下所示：
df_one =
20140109 20140213 20140313 20140410 20140508 20140612 20140710 \
0.50 0.619159 0.264191 0.438849 0.465287 0.445819 0.412582 0.397366
0.55 0.601379 0.303953 0.457524 0.432335 0.415333 0.382093 0.382361
df_two =
20140109 20140213 20140313 20140410 20140508 20140612 20140710 \
0.50 0.510162 0.269053 0.308494 0.300554 0.294360 0.286980 0.280494
0.55 0.489953 0.258690 0.290044 0.283933 0.278180 0.271426 0.266580
我想通过遍历数据帧中的整个值来访问数据帧的相同位置。
首先我尝试了iterrows（）
i = 0
for index, row in df_one.iterrows():
j= 0
for item in row:
print …我尝试使用 sklearn 的 LDA 模型找到最佳主题数。为此，我通过在https://gist.github.com/tmylk/b71bf7d3ec2f203bfce2上引用代码来计算困惑度。
但是当我增加话题数量时，困惑总是不合理地增加。我在实现上错了还是只是给出了正确的值？
from __future__ import print_function
from time import time
from sklearn.feature_extraction.text import TfidfVectorizer, CountVectorizer
from sklearn.decomposition import NMF, LatentDirichletAllocation
n_samples = 0.7
n_features = 1000
n_top_words = 20
dataset = kickstarter['short_desc'].tolist()
data_samples = dataset[:int(len(dataset)*n_samples)]
test_samples = dataset[int(len(dataset)*n_samples):]
print("Extracting tf features for LDA...")
tf_vectorizer = CountVectorizer(max_df=0.95, min_df=2,
max_features=n_features,
stop_words='english')
t0 = time()
tf = tf_vectorizer.fit_transform(data_samples)
print("done in %0.3fs." % (time() - t0))
# Use tf (raw term count) features for …