小编exp*_*rer的帖子

我正在使用Seaborn的lmplot绘制线性回归,将我的数据集分成两组,并带有分类变量.

对于x和y,我想在两个图上手动设置下限,但是将上限保留在Seaborn默认值上.这是一个简单的例子:

import pandas as pd
import seaborn as sns
import random

n = 200
random.seed(2014)
base_x = [random.random() for i in range(n)]
base_y = [2*i for i in base_x]
errors = [random.uniform(0,1) for i in range(n)]
y = [i+j for i,j in zip(base_y,errors)]

df = pd.DataFrame({'X': base_x,
                   'Y': y,
                   'Z': ['A','B']*(n/2)})

mask_for_b = df.Z == 'B'
df.loc[mask_for_b,['X','Y']] = df.loc[mask_for_b,] *2

sns.lmplot('X','Y',df,col='Z',sharex=False,sharey=False)

这输出如下:

但在这个例子中,我希望xlim和ylim为(0,*).我尝试使用sns.plt.ylim和sns.plt.xlim但这些只影响右手图.例:

sns.plt.ylim(0,)
sns.plt.xlim(0,)

如何访问FacetGrid中每个绘图的xlim和ylim？

我正在开发一个"预测模型即服务"的应用程序,结构如下:

• 离线训练模型
• 定期将模型参数上传到"预测服务器"
• 预测服务器将单个观察作为输入,并输出预测

我正在尝试使用patsy,但遇到以下问题:当单个预测进入时,如何将其转换为正确的形状,使其看起来像一行训练数据？

patsy文档提供了一个示例,当训练数据中的DesignInfo在内存中可用时:http://patsy.readthedocs.io/en/latest/library-developers.html#predictions

# offline model training
import patsy

data = {'animal': ['cat', 'cat', 'dog', 'raccoon'], 'cuteness': [3, 6, 10, 4]}
eq_string = "cuteness ~ animal"


dmats = patsy.dmatrices(eq_string,data)
design_info = dmats[1].design_info
train_model(dmats)


# online predictions
input_data = {'animal': ['raccoon']}

# if the DesignInfo were available, I could do this:
new_dmat = build_design_matrices([design_info], input_data)
make_prediction(new_dmat, trained_model)

然后是输出:

[DesignMatrix with shape (1, 3)
   Intercept  animal[T.dog]  animal[T.raccoon]
           1              0                  1
   Terms:
     'Intercept' (column 0)
     'animal' (columns …

我刚升级到IPython 2.0.0并且tab-complete的行为似乎已经变得更糟.(使用pyreadline 2.0,根据这个问题可能很重要).

以前,如果我之后点击TAB function_name(,IPython会显示该函数的文档字符串.

现在,我只看到一个下拉列表,其中包含命名空间中的所有内容,包括:

• 错误类型
• 目录中其他笔记本的名称
• IPython魔术功能
• 我定义的其他功能
• 等等

旧的行为非常有用 - 如何恢复它(没有恢复到早期的IPython版本)？

我是康达的新手,看到一些奇怪的东西,但我实际上并不知道这是不是问题.

我目前处于根环境中.在某些时候我试图在另一个环境中安装pip,但不小心跑了pip install requests.这似乎已经在我的root环境中安装了它:

$ conda list | grep requests
requests                  2.12.4                   py36_0  
requests                  2.13.0                    <pip>

它看起来像pip版本是我运行python时得到的:

$ python
Python 3.6.0 |Continuum Analytics, Inc.| (default, Dec 23 2016, 12:22:00) 
[GCC 4.4.7 20120313 (Red Hat 4.4.7-1)] on linux
Type "help", "copyright", "credits" or "license" for more information.
>>> import requests; requests.__version__
'2.13.0'

我的猜测是,周围有两个版本的同一个包会导致后来的麻烦.然后我的假设是我最好保留非点子版本,所以我尝试了这个:

$ pip uninstall requests
[asks for confirmation, say yes]
$ conda list
[traceback, which I can post if helpful. Summary is:]
ModuleNotFoundError: No module named 'requests' …

我有兴趣在python中运行一个有序的logit回归(使用pandas,numpy,sklearn或者那个生态系统).但我找不到任何方法来做到这一点.我的谷歌技能缺乏吗？或者这不是在标准包中实现的东西？

我想取一列日期时间对象并返回一列整数，这些整数是“从那个日期时间到今天的天数”。我可以用一种丑陋的方式来做，寻找一种更漂亮（更快）的方式。

所以假设我有一个带有日期时间列的数据框，如下所示：

11    2014-03-04 17:16:26+00:00
12    2014-03-10 01:35:56+00:00
13    2014-03-15 02:35:51+00:00
14    2014-03-20 05:55:47+00:00
15    2014-03-26 04:56:33+00:00
Name: datetime, dtype: object

每个元素看起来像：

datetime.datetime(2014, 3, 4, 17, 16, 26, tzinfo=<UTC>)

假设我想计算每次观察发生的天数，并将其作为一个简单的整数返回。我知道我只能使用apply两次，但有没有一种矢量化/更清洁的方法来做到这一点？

today = datetime.datetime.today().date()
df_dates = df['datetime'].apply(lambda x: x.date())
days_ago = today - df_dates

这给出了一个 timedelta64[ns] 系列。

11   56 days, 00:00:00
12   50 days, 00:00:00
13   45 days, 00:00:00
14   40 days, 00:00:00
15   34 days, 00:00:00
Name: datetime, dtype: timedelta64[ns]

最后，如果我想要它作为一个整数：

days_ago_as_int = days_ago.apply(lambda x: x.item().days)
days_ago_as_int
11 …

在Python中：

In [1]: True+True
Out[1]: 2

因此，在进行以下设置之后：

import pandas as pd
ser1 = pd.Series([True,True,False,False])
ser2 = pd.Series([True,False,True,False])

我想要的是找到ser1and 的元素明智的总和，ser2布尔值被视为整数，如Python示例所示。

但是，Pandas将加法视为元素式“或”运算符，并提供以下（不需要的）输出：

In [5]: ser1+ser2
*/lib/python2.7/site-packages/pandas/computation/expressions.py:184: UserWarning: evaluating in Python space because the '+' operator is not supported by numexpr for the bool dtype, use '|' instead
  unsupported[op_str]))
Out[5]: 
0     True
1     True
2     True
3    False
dtype: bool

我知道我可以在任何一个系列上得到我想要的输出astype(int)：

In [6]: ser1.astype(int) + ser2
Out[6]: 
0    2
1    1
2    1
3    0 …

似乎'5187621769'应该是一个非常容易的数字,供phonenumbers库解析.这是10位数字,带有美国区号.但是......没有运气.

建立:

import phonenumbers
number = '5187621769'

方法1:

parsed = phonenumbers.parse(number)

这会引发错误.

方法2:

parsed = phonenumbers.parse("+" + number)

给出国家代码= 51,这不是美国.

我知道我能做到:

parsed = phonenumbers.parse(number,region="US")

但我并不总是知道这个数字将是美国(这只是我发现我没有得到理想行为的一个案例).有没有我缺少的选项或格式技巧？谢谢!

获取以下数据框：

import pandas as pd
df = pd.DataFrame({'group_name': ['A','A','A','B','B','B'],
                   'timestamp': [4,6,1000,5,8,100],
                   'condition': [True,True,False,True,False,True]})

我想添加两列：

1. 该行在其组内的顺序
2. condition每组内列的滚动总和

我知道我可以通过自定义申请来做到这一点，但我想知道是否有人有任何有趣的想法？（当有很多组时，这也很慢。）这是一种解决方案：

def range_within_group(input_df):
    df_to_return = input_df.copy()
    df_to_return = df_to_return.sort('timestamp')
    df_to_return['order_within_group'] = range(len(df_to_return))
    df_to_return['rolling_sum_of_condition'] = df_to_return.condition.cumsum()
    return df_to_return

df.groupby('group_name').apply(range_within_group).reset_index(drop=True)

观察这个奇怪的行为：

In [1]: import pandas as pd

In [2]: import datetime

In [3]: import pytz

In [4]: dates = [datetime.datetime(2015,1,i,tzinfo=pytz.timezone('US/Pacific')) for i in range(1,5)]

In [5]: df = pd.DataFrame({'A': ['a','b']*2,'B': dates})

In [6]: df
Out[6]: 
   A                          B
0  a  2015-01-01 00:00:00-08:00
1  b  2015-01-02 00:00:00-08:00
2  a  2015-01-03 00:00:00-08:00
3  b  2015-01-04 00:00:00-08:00

In [7]: grouped = df.groupby('A') 

In [8]: grouped.nth(0) #B stays a datetime.datetime with timezone info
Out[8]: 
                           B
A                           
a  2015-01-01 00:00:00-08:00
b  2015-01-02 00:00:00-08:00

In [9]: grouped.head(1) …

Can anyone provide an explanation of what it means to have a "slice" vs. a "copy" in pandas? I've been working with pandas for a while, and have internalized some rules of thumb about how to avoid the warnings.

But a colleague had some weird behavior today that I think is traceable to the same distinction, and it made me realize that I don't really understand what's going on under the hood and how it plays out in different situation. …