小编max*_*mir的帖子

>>> t = Tokenizer(num_words=3)
>>> l = ["Hello, World! This is so&#$ fantastic!", "There is no other world like this one"]
>>> t.fit_on_texts(l)
>>> t.word_index
{'fantastic': 6, 'like': 10, 'no': 8, 'this': 2, 'is': 3, 'there': 7, 'one': 11, 'other': 9, 'so': 5, 'world': 1, 'hello': 4}

我原本预计t.word_index会有前3个单词.我究竟做错了什么？

这是一个非常基本的问题,但我似乎无法找到一个好的答案.scipy究竟为什么计算

scipy.stats.norm(50,10).pdf(45)

据我所知,高斯平均50和标准差10的特定值(如45)的概率为0.那么究竟什么是pdf计算？它是高斯曲线下的面积,如果是这样,x轴上的值范围是多少？

我有一个包含 N 个元素的数组（未排序）。我想保留 N 的原始顺序，但不是实际元素，我希望它们具有它们的 bin 编号，其中 N 被分成 m 个相等的 bin（如果 N 可被 m 整除）或几乎相等(N 不能被 m 整除) 值。我需要一个矢量化的解决方案（因为 N 相当大，所以标准的 python 方法效率不高）。scipy 或 numpy 中有什么可以做到这一点的吗？

e.g.
N = [0.2, 1.5, 0.3, 1.7, 0.5]
m = 2
Desired output: [0, 1, 0, 1, 0]

我看过 numpy.histogram，但它没有给我不等距的垃圾箱。

我正在尝试使用 python-docx 在 word 文档的页脚中添加页码。到目前为止，我还没有找到如何做到这一点。这个问题解决了如何找到页码（或如何不能）。这个讨论创建一个模板并在那里添加页码。有没有办法在我使用 doc = Document() 创建的文档上添加页码？

我想通过 chrome 扩展防止帧破坏。特别是，我想使用本文中引用的方法（https://crypto.stanford.edu/~dabo/pubs/papers/framebust.pdf），但我无法直接访问 html 页面。有没有办法使用 chrome 扩展来完成下面的 windows.onbeforeunload 的等效操作？我阅读了https://developer.chrome.com/extensions/webRequest，但不确定这些是否适用于这种情况。

www.example.com 中的帧破坏代码

if (parent.location != self.location) {
    parent.location = self.location ;
}

我想让 chrome 扩展做的是相当于下面的

<script>
window.onbeforeunload = function() {
    return ”Asking the user nicely”;
}
</script>

<iframe src = ”http://www.example.com”>

我遇到的问题如下

我有一个带有3个值的1-D整数列表(或np.array)

l = [0,1,2]

我有一个二维概率列表(为简单起见,我们将使用两行)

P = 
[[0.8, 0.1, 0.1],
 [0.3, 0.3, 0.4]]

我想要的是numpy.random.choice(a=l, p=P),P(概率分布)中的每一行都应用于l.所以,我希望从[0,1,2]中随机抽取一个随机样本.DIST.首先是[0.8,0.1,0.1],然后是概率.DIST.[0.3,0.3,0.4]接下来,给我两个输出.

=====更新======

我可以使用for循环或列表理解,但我正在寻找一个快速/矢量化的解决方案.

我有一个如下所示的 numpy 数组。我需要第一个元素为 2 的行数。因此，在下面的数组中，有四行以 2 开头 - 答案是 4。在 numpy 中如何最好地实现这一点？（我不能使用 pandas，但可以使用 scipy）。

array([[1, 4, 5],
       [1, 4, 5],
       [2, 4, 5],
       [2, 4, 5],
       [2, 4, 5],
       [2, 4, 5],
       [3, 4, 5],
       [3, 4, 5],
       [3, 4, 5],
       [3, 4, 5],
       [3, 4, 5],
       [3, 4, 5]])

我试图了解 pytorch autograd 的工作原理。如果我有函数 y = 2x 和 z = y**2，如果我做正态微分，我在 x = 1 处得到 dz/dx 为 8 (dz/dx = dz/dy * dy/dx = 2y*2 = 2 (2x)*2 = 8x)。或者，z = (2x)**2 = 4x^2 并且 dz/dx = 8x，所以在 x = 1 时，它是 8。

如果我对 pytorch autograd 做同样的事情，我会得到 4

x = torch.ones(1,requires_grad=True)
y = 2*x
z = y**2
x.backward(z)
print(x.grad)

哪个打印

tensor([4.])

我哪里错了？

d = {'a':[1,2,3], 'b':[4,5]} 

我需要

[1,2,3,4,5] 

使用列表理解.我该怎么做？

我想使用具有不同均值和方差的高斯函数来计算一组值的概率值。例如，我可以这样做

scipy.stats.norm.pdf(9, [10, 12, 14], [2, 4, 5])

它为我提供了值 9 的 pdf 值，对于三个不同的高斯函数 - N(10, 2)、N(12, 4) 和 N(14, 5)。我想对多个值做同样的事情，就像这样

scipy.stats.norm.pdf([8,9], [10, 12, 14], [2, 4, 5])

其中 8 和 9 的 pdf 值是针对三个高斯计算的，我会得到一个 2D 数组作为返回。

问题

1. numpy 或 scipy 中是否有任何东西可以让我做到这一点？
2. 如果#1 的答案是否定的，那么如何在不使用 for 循环的情况下完成此操作（请注意，我查看了 scipy 中的矢量化，但它在幕后使用了 for 循环）。我需要避免 for 循环，因为我将针对几个高斯函数对数百万个值执行此操作。

我有一个无法修改的基类（代码可能有其他错误，但请忽略这些）

class BaseClass(object):
    def __init__(self):
        self.parser = argparse.ArgumentParser()
        self.parser.add_argument("arg1", choices=("a", "b"))

我想要的是覆盖 arg1 如下

class DerivedClass(BaseClass):
    def __init__(self):
        BaseClass.__init__(self)
        self.parser.add_argument("arg1", choices=("a", "c", "d"))