小编ves*_*and的帖子

我在jsp下面有代码来创建一个dataTable.我使用bProcessing为true,显示"处理"指示器,直到我从服务器获取数据.我想将消息显示为"正在加载数据.."而不是"处理".我尝试在各种网站上建议使用sProcessing但它不起作用？

      customersTable = $('cutomer').dataTable({
         "sAjaxSource": "ajax url",
         "bProcessing":true,
         "bDeferRender": true,
         "sServerMethod": "POST",
             "oLanguage": {
                "sProcessing": "loading data..."
              }
      });

这个问题适合理解 group_by 函数的正确功能。

假设我有一个包含 5 个二进制变量（这些变量的含义并不重要）和一个变量 id 代表一些用户的数据框。例如：

id<- c("A","A" , "B" , "B")
d<- as.data.frame(id) 
d$d1<- c(1,0,1,0)
d$d2<- c(1,0,1,0)
d$d3<- c(0,1,1,0)
d$d4<- c(0,1,0,1)
d$d5<- c(0,1,0,0)
> d
  id d1 d2 d3 d4 d5
1  A  1  1  0  0  0
2  A  0  0  1  1  1
3  B  1  1  1  0  0
4  B  0  0  0  1  0

我将构建一个函数来检查每个用户 A 和 B，变量 d1 到 d5 都包含 1。

verificator<- function(d )
 {
  r<- prod(apply(d[,2:6],2, sum)) 
  r<- as.logical(r) …

我有两个数据框

df1 = pd.DataFrame({'A': ['A1', 'A1', 'A2', 'A3'],
                     'B': ['121', '345', '123', '146'],
                     'C': ['K0', 'K1', 'K0', 'K1']})

df2 = pd.DataFrame({'A': ['A1', 'A3'],
                      'BB': ['B0', 'B3'],
                      'CC': ['121', '345'],
                      'DD': ['D0', 'D1']})

现在我需要从df1的A列和B列以及从df2的A列和CC列获得相似的行。因此，我尝试了可能的合并选项，例如：

both_DFS=pd.merge(df1,df2, how='left',left_on=['A','B'],right_on=['A','CC'])

这不会给我来自df2数据帧的行信息，这是我所需要的。意思是，我拥有df2中的所有列名，但行只是空或Nan。

然后我尝试：

Both_DFs=pd.merge(df1,df2, how='left',left_on=['A','B'],right_on=['A','CC'])[['A','B','CC']]

这给了我错误，

KeyError: "['B'] not in index"

我的目标是将df1和df2中的所有列都合并到Dataframe中。任何建议都很好

所需的输出：

 Both_DFs
    A   B   C   BB  CC  DD
0   A1  121 K0  B0  121 D0

因此，在我的数据帧（df1和df2）中，只有一行与目标两列都完全匹配。也就是说，df1中的A和B列只有一行与df2中A和CC列中的行完全匹配

我想在pandas数据框列中找到一个特定的模式，并返回相应的索引值以对数据框进行子集化。

这是带有可能模式的示例数据框：

生成数据框的代码段：

import pandas as pd
import numpy as np

Observations = 10
Columns = 2
np.random.seed(123)
df = pd.DataFrame(np.random.randint(90,110,size=(Observations, Columns)),
                  columns = ['ColA','ColB'])
datelist = pd.date_range(pd.datetime(2017, 7, 7).strftime('%Y-%m-%d'),
                         periods=Observations).tolist()
df['Dates'] = datelist
df = df.set_index(['Dates'])

pattern = [100,90,105]
print(df)

数据框：

            ColA  ColB
Dates                 
2017-07-07   103    92
2017-07-08    92    96
2017-07-09   107   109
2017-07-10   100    91
2017-07-11    90   107
2017-07-12   105    99
2017-07-13    90   104
2017-07-14    90   105
2017-07-15   109   104
2017-07-16    94    90

下面，感兴趣的格局发生Column A的日期2017-07-10 …

在JupyterLab和Jupyter Notebook中，您都可以使用ctrl + Enter以下命令执行单元：

码：

print('line 1')
print('line 2')
print('line 3')

单元格和输出：

但是，你怎么能运行只 line 2？甚至在不运行整个单元的情况下选择单元中的线？当然，您可以只插入带有单行或选择的行的单元格，但这确实非常麻烦并且很快。那么，有没有更好的方法可以做到这一点？

我已经实现了简单的代码来gradient boosting regression (GBR)预测one output并且效果很好，但是当我尝试预测时two outputs出现错误，如下所示：

ValueError                                Traceback (most recent call last)
<ipython-input-5-bb1f191ee195> in <module>()
      4          }
      5 gradient_boosting_regressor = ensemble.GradientBoostingRegressor(**params)
----> 6 gradient_boosting_regressor.fit(train_data,train_targets)
      7 # 'learning_rate': 0.01

D:\Anoconda\lib\site-packages\sklearn\ensemble\gradient_boosting.py in fit(self, X, y, sample_weight, monitor)
    977 
    978         # Check input
--> 979         X, y = check_X_y(X, y, accept_sparse=['csr', 'csc', 'coo'], dtype=DTYPE)
    980         n_samples, self.n_features_ = X.shape
    981         if sample_weight is None:

D:\Anoconda\lib\site-packages\sklearn\utils\validation.py in check_X_y(X, y, accept_sparse, dtype, order, copy, force_all_finite, ensure_2d, allow_nd, multi_output, ensure_min_samples, …

如何1st Lockdown, 2nd Lockdown像 Plotly 一样在 Matplotlib 中添加注释文本示例？

不确定我是否在这里遗漏了一些明显的东西，但是当我在带有注释的文本中插入一个中断（<br>）时，它似乎忽略了它。我已经尝试过fig.add_annotations，但同样的事情发生了。

import pandas as pd
import plotly.graph_objects as go
import numpy as np

df = pd.DataFrame({"Growth_Type": ["Growing Fast", "Growing", "Stable", "Dropping", "Dropping Fast"],
                  "Accounts": [407,1275,3785,1467,623],
                  "Gain_Share": [1.20,8.1,34.4,6.5,0.4],
                  "Keep_Share": [16.5, 101.2, 306.3, 107.2, 27.7]})

df2 = pd.concat([pd.DataFrame({"Growth_Type":df["Growth_Type"], 
              "Opportunity_Type": np.repeat("Gain Share", 5),
             "Wallet_Share": df["Gain_Share"]}),
          pd.DataFrame({"Growth_Type":df["Growth_Type"], 
              "Opportunity_Type": np.repeat("Keep Share", 5),
             "Wallet_Share": df["Keep_Share"]})])

fig = go.Figure()

fig.add_trace(go.Bar(x = df2["Wallet_Share"], 
                     y = df2["Growth_Type"],
                     orientation = "h"
                    ))

fig.update_layout(font = dict(size = 12, color = "#A6ACAF"),
                 xaxis_tickprefix = "$",
                  plot_bgcolor …