小编Fan*_*ion的帖子

Tqdm 文档显示了 tqdm 使用 Progress_apply 处理 pandas apply 的示例。我从这里https://tqdm.github.io/docs/tqdm/改编了以下代码，该代码通常需要几分钟才能执行（func1 是一个正则表达式函数）。

from tqdm import tqdm
tqdm.pandas()
df.progress_apply(lambda x: func1(x.textbody), axis=1)

生成的进度条不显示任何进度。它只是从循环开始时的 0 跳到循环结束时的 100。我当前正在运行 tqdm 版本 4.61.2

我正在设置类似Matlab的环境，因此我下载了最新版本的python（x，y）及其所有模块，并下载了python 3.4.1。python（x，y）不运行最新版本的python吗？我注意到了，因为python（x，y）外壳不会自动将数学运算计算为浮点数，而我读到的则是python 2.x和3.x之间的区别。我是否只需要等待（x，y）的新版本发布？

我有一个多列的 pandas 数据框，其中有一列 datetime64[ns] 数据。时间采用 HH:MM:SS 格式。如何将这一列日期转换为一列经过的秒数？就像如果时间以秒为单位表示 10:00:00 则为 36000。秒应该采用 float64 类型格式。

示例数据列

如果我有一个包含 100 个整数的列表，如何在不使用循环的情况下将索引 20 到 50 处的值分配给长度为 31 的列表中的一组不同的值？来自 python，这很容易在没有循环的情况下完成，但我不确定是否可以在 c# 中完成。

我有以下数据集如下所示.500和900之间的任何值被归类为A,而在900和~1500之间的值在A和B之间混合.我想找到在任何x值处得到A,B和C的概率,其中x是我的自变量和A,B,C是我的因变量.它似乎非常适合多项Logistic回归.我相信每个因变量的观测数量就足够了.如果多项式日志回归是合适的,我希望使用Python的scikit学习逻辑回归模块来获得任何x值的A,B和C的概率,但我不知道如何使用该模块来解决这个问题.