小编xir*_*uru的帖子

我总是阅读代码来像这样计算时间:

%timeit function()

你能解释一下"%"的含义吗？

我认为,"%"总是用于替换字符串中的某些内容,例如%s表示替换字符串,%d替换数据,但我不知道这种情况.

我是神经网络的初学者.我对这个词很困惑feature.你能给我一个定义feature吗？这些特征是隐藏层中的神经元吗？

包"dplyr"有一个连锁运营商.但我对如何获得正确的术语本身存在疑问.

例如:

c(5,7,8,1) %>% sum(`[`(1:3)) # get result 27 (This is wrong)

c(5,7,8,1) %>% sum(.[1:3]) # get result 41 (This is also wrong)

c(5,7,8,1) %>% `[`(1:3) %>% sum()   # get result 20 (This is right)

为什么第一行和第二行代码错了？他们发生了什么事？

我有一个numpy数组,看起来像:

myArray = np.array([[1,2],[3]])

但我无法压扁它,

In: myArray.flatten()
Out: array([[1, 2], [3]], dtype=object)

如果我在第二轴上将数组更改为相同的长度,那么我可以将其展平.

In: myArray2 = np.array([[1,2],[3,4]])
In: myArray2.flatten()
Out: array([1, 2, 3, 4])

我的问题是:

我可以使用一些东西,myArray.flatten()无论数组的大小和元素的长度,并得到输出:array([1,2,3])？

当我访问Apache Spark Streaming网站时,我看到一句话:

Spark Streaming可以轻松构建可扩展的容错流应用程序.

在Apache Flink网站上,有一句话:

Apache Flink是一个用于可扩展批处理和流数据处理的开源平台.

什么意思streaming application和batch data processing,stream data processing？你能举一些具体的例子吗？它们是否针对传感器数据设计？

我想在 Docker 中运行一个 Flask 应用程序，使用 Flask 简单的 http 服务器。（不是枪炮）

我遇到了主机设置问题。

在flask app.py中，它应该可以作为官方教程使用，但它不起作用：

if __name__ == '__main__':
    app.run(host='0.0.0.0')

所以我在回答类似帖子后做了它，它突然起作用了！：

/sf/answers/3011050521/

$> flask run --host=0.0.0.0

我的问题是为什么第一种方法不起作用，但第二种方法有效？

我在使用flask-wtf 为restapi 禁用csrf 时遇到问题。问题与此处类似：由于 Flask-WTF 的 CSRF 保护，Flask-Restful POST 失败，但我使用 flask original 而不是 flask-restful。

我使用了@csrf.exempt装饰器，而且我确实像文档一样，但仍然无法禁用 csrf。这是我的代码，你知道是什么问题吗？

我的应用程序

from flask import Flask, request, jsonify
from flask_sqlalchemy import SQLAlchemy
from flask_wtf import FlaskForm
from wtforms import StringField
from flask_wtf.csrf import CSRFProtect

app = Flask(__name__)    
app.config['SQLALCHEMY_DATABASE_URI'] = 'sqlite:///test.db'
app.config['SECRET_KEY'] = "secret"

db = SQLAlchemy(app)

csrf = CSRFProtect(app) # initialize the csrf protect

class User(db.Model):
    id = db.Column(db.Integer, primary_key=True)
    username = db.Column(db.String())

class myForm(FlaskForm):
    username = StringField("user name")

@app.route("/check", …

我有3个标签:"A","B","C".

我想生成一个包含100个元素的随机列表,其中60%是"A",30%是"B",10%是"C".

我怎样才能做到这一点？(我是python中的新手,希望这个问题不是太傻.)

编辑:我的问题与这个问题略有不同: 生成具有给定(数字)分布的随机数

就像在评论中一样,我希望它们中的60%都是"A",并非每个元素都有60%的概率为"A".所以numpy.random.choice()不是我的解决方案.

如何从数据框的多索引中获取值？

例如我有一个数据框mm：

np.random.seed(1)
mm = pd.DataFrame(np.random.randn(5,2))
mm['A'] = np.arange(5)
mm['B'] = np.arange(5,10)
mm.set_index(['A','B'], inplace=True)

print mm

        0         1
A B                    
0 5  1.624345 -0.611756
1 6 -0.528172 -1.072969
2 7  0.865408 -2.301539
3 8  1.744812 -0.761207
4 9  0.319039 -0.249370

我想得到A = 2，B = 7的值，我该怎么做？

是否可以编写类似的函数get_value(mm, (2,7))，然后得到以下结果：

2 7  0.865408 -2.301539

我使用Jupyter Notebook编写一个小程序。因此，我想将一些单元格写入.py文件。

我用这种魔法%%writefile -a myfile.py。它可以工作，但是问题是内容没有新行添加。因此，我必须myfile.py在运行单元格后手动向其中添加换行符。

如何避免这个问题？