小编use*_*195的帖子

我正在尝试在逐帧加载的网页上自动化流程.我正在尝试设置一个try-except循环,只有在确认元素存在后执行.这是我设置的代码:

from selenium.common.exceptions import NoSuchElementException

while True:
    try:
        link = driver.find_element_by_xpath(linkAddress)
    except NoSuchElementException:
        time.sleep(2)

上面的代码不起作用,而以下天真的方法:

time.sleep(2)
link = driver.find_element_by_xpath(linkAddress)

上面的try-except循环中是否有任何遗漏？我尝试了各种组合,包括使用time.sleep()之前try而不是之后except.

谢谢

我正在尝试计算二元向量的一系列胜利条纹.给出一个矢量

set.seed(2)
x <- sample(c(0,1), 10, replace = TRUE)
[1] 0 1 1 0 1 1 0 1 0 1

我想计算每次有零时"重置"的累计和.因此,在这种情况下,函数的输出应该是

[1] 0 1 2 0 1 2 0 1 0 1

在R上最简单的方法是什么？

要在定义 selenium webdriver 之前明确定义下载目录，我们使用以下代码：

chromeOptions = webdriver.ChromeOptions()
prefs = {"download.default_directory" : "C:/data/cline"}
chromeOptions.add_experimental_option("prefs",prefs)
chromePath = "path to chromedriver"

driver = selenium.webdriver.chrome.webdriver.WebDriver(executable_path=chromePath, port=0,    chrome_options=chromeOptions, service_args=None, desired_capabilities=None,   service_log_path=None)

我想下载许多文件，每个文件都到一个不同的（新创建的）目录。定义驱动后是否可以更改下载目录？

我有一个表,其中一列是发生日期(数据框没有按日期索引)

我想按日期对表格进行分组,其中在特定日期之前发生的所有项目被分组到一个桶中.这需要是累积的,因此后来的桶将​​包括来自早期桶的所有数据点.

这是我需要分组的日期范围对象:

date_rng = date_range('28/02/2010','31/08/2014',freq='3M')

以下是表中几个数据点的示例:

df_raw.head()
     Ticker   FY Periodicity  Measure     Val                Date
0  BP9DL90  2009         ANN     CPX  1000.00 2008-03-31 00:00:00
1  BP9DL90  2010         ANN     CPX   600.00 2009-03-25 00:00:00
2  BP9DL90  2010         ANN     CPX   600.00 2009-09-16 00:00:00
3  BP9DL90  2011         ANN     CPX   570.00 2010-03-17 00:00:00
4  BP9DL90  2011         ANN     GRM    57.09 2010-09-06 00:00:00

[5 rows x 6 columns]

任何输入都将非常感激.

谢谢

我有一个mx n矩阵,如下所示:

1 2 3
4 5 6

按行获取所有可能组合的最快方法是什么？在这种情况下,那将是c(1,4), c(1,5), c(1,6), c(2,4), c(2,5) ... c(3,5), c(3,6)

如何使用矢量化方法解决这个问题？通常,mx n矩阵将具有n^m这样的组合.

我有 3 个向量

x <- c(1,3,5,7,3,8)
y <- c(3,5,7)
z <- c(3,3,8)

我想找到x不在y和不在的元素z。是否有一个函数f可以给我以下输出：

> f(x,y)
1 3 8
> f(x,z)
1 5 7

换句话说，我想找到两个向量之间的“集合差”，其中任何一个向量都可能有重复的值。该功能%in%，match并且setdiff不要在此情况下，显而易见的原因工作。

我有三个矢量X,Y并且Z长度相等n.我需要创建n x n x n一个函数数组f(X[i],Y[j],Z[k]).直接的方法是顺序循环遍历3个向量中每个向量的每个元素.但是,计算阵列所需的时间呈指数增长n.有没有办法使用矢量化操作来实现它？

编辑:正如评论中所提到的,我添加了一个简单的例子来说明需要什么.

set.seed(1)
X = rnorm(10)
Y = seq(11,20)
Z = seq(21,30)

F = array(0, dim=c( length(X),length(Y),length(Z) ) )
for (i in 1:length(X))
  for (j in 1:length(Y))
    for (k in 1:length(Z))
      F[i,j,k] = X[i] * (Y[j] + Z[k])

谢谢.

我有一个同时评估梯度和输出的函数。我想根据目标函数对其进行优化。如何将目标和梯度作为列表传递给optimx？下面的例子说明了这个问题：

假设我想找到多项式 的最小非负根x^4 - 3*x^2 + 2*x + 3。其梯度为4*x^3 - 6*x + 2. 我用的方法nlminb是optimx，如下图。

optimx(par = 100, method = "nlminb", fn = function(x) x^4 - 3*x^2 + 2*x + 3, 
                                     gr=function(x) 4*x^3 - 6*x + 2, lower = 0)

这工作正常，我得到以下输出：

       p1 value fevals gevals niter convcode kkt1 kkt2 xtimes
nlminb  1     3     27     24    23        0 TRUE TRUE      0

现在假设我定义了函数fngr，它将目标和梯度作为列表返回：

fngr <- function(x) {
  fn <- x^4 - …

我需要针对目标函数优化一组变量。我有函数的解析梯度，并想在优化程序中使用它。目标和梯度有一些常见的计算，我想以最有效的方式定义函数。下面的例子演示了这个问题。

让f_obj,f_grad和f_common分别是目标、梯度和普通计算的函数。优化是在向量上x。下面的代码找到多项式的根y^3 - 3*y^2 + 6*y + 1，其中y是 的函数c(x[1], x[2])。请注意，该函数f_common在f_obj和中都被调用f_grad。在我的实际问题中，公共计算要长得多，所以我正在寻找一种定义方法f_obj，f_grad以便f_common最小化调用次数。

f_common <- function(x) x[1]^3*x[2]^3 - x[2]

f_obj <- function(x) {
  y <- f_common(x)
  return ( (y^3 - 3*y^2 + 6*y + 1)^2 )
}

f_grad <- function(x) {
  y <- f_common(x)
  return ( 2 * (y^3 - 3*y^2 + 6*y + 1) * (3*y^2 …

我想找到 pandas Series 中每个元素和 0 之间的成对最大值。我的粗略解决方案如下：

import numpy as np
import pandas as pd
np.random.seed(1)

series = pd.Series(np.random.randn(100))
pmax = pd.Series([])
for i in range(len(series)):
    pmax[i] = max(series[i],0)

我需要在大量系列上运行这个解决方案，而且这个解决方案太慢了。是否有矢量化方法可以达到相同的结果？