小编Gle*_*son的帖子

我在knitr中运行python引擎时遇到了麻烦.我可以导入一些模块而不是其他模块.例如,我可以导入numpy但不能导入pandas.

{r, engine='python'} import pandas

我收到了错误.

Quitting from lines 50-51 (prepayment.Rmd) 
Error in (knit_engines$get(options$engine))(options) : 
Traceback (most recent call last):
File "<string>", line 1, in <module>
ImportError: No module named pandas
Calls: <Anonymous> ... process_group.block -> call_block -> block_exec -> in_dir -> <Anonymous>
In addition: Warning message:
running command ''python'  -c 'import pandas' 2>&1' had status 1 
Execution halted

它必须与系统路径和我指向的位置有关.

通常在我使用的IPython中

import sys
sys.path.append('/path/to/directory/')

添加路径 我不知道问题是什么.

我有一个这样的语句，我用来递减一个计数器：

UPDATE stats SET counter = counter - 1 WHERE id = 24235;

问题是，我从不希望计数器低于1。如何执行更新语句，该语句只会递减直到1？

PG 9.3 版

yihui 给出了一个针对不同引擎使用缓存选项的示例

https://github.com/yihui/knitr-examples/blob/master/023-engine-python.Rmd

我似乎无法让它为 python 工作。

以下作品

```{r,engine='python',cache=TRUE}
x=10
print x
```

但这不起作用

```{r,engine='python',cache=TRUE}
x = 10
```

```{r,engine='python',cache=TRUE}
print x
```

有人有想法吗？

由于某些原因,协变量的顺序似乎与LogisticRegressionscikit-learn中的分类器有关,这对我来说似乎很奇怪.我有9个协变量和一个二进制输出,当我改变列的顺序和调用fit()然后调用predict_proba()输出是不同的.下面的玩具示例

logit_model = LogisticRegression(C=1e9, tol=1e-15)

下列

logit_model.fit(df['column_2','column_1'],df['target'])
logit_model.predict_proba(df['column_2','column_1'])

array([[ 0.27387109,  0.72612891] ..])

给出不同的结果:

logit_model.fit(df['column_1','column_2'],df['target'])
logit_model.predict_proba(df['column_1','column_2'])

array([[ 0.26117794,  0.73882206], ..])

这对我来说似乎很令人惊讶,但也许这就是我对算法内部和拟合方法缺乏了解.

我错过了什么？

编辑:这是完整的代码和数据

数据:https://s3-us-west-2.amazonaws.com/gjt-personal/test_model.csv

import pandas as pd
from sklearn.linear_model import LogisticRegression

df = pd.read_csv('test_model.csv',index_col=False)

columns1 =['col_1','col_2','col_3','col_4','col_5','col_6','col_7','col_8','col_9']
columns2 =['col_2','col_1','col_3','col_4','col_5','col_6','col_7','col_8','col_9']

logit_model = LogisticRegression(C=1e9, tol=1e-15)

logit_model.fit(df[columns1],df['target'])
logit_model.predict_proba(df[columns1])

logit_model.fit(df[columns2],df['target'])
logit_model.predict_proba(df[columns2])

原来与之相关,tol=1e-15因为这会产生不同的结果.

LogisticRegression(C=1e9, tol=1e-15)

但是这给出了相同的结果.

LogisticRegression(C=1e9)

:cached为Mac性能调整添加卷安装是否会影响Windows卷安装的docker？

我正在一个同时使用Mac和Windows机器的团队中工作，它似乎仍然可以工作，但是想看看是否还有其他人可以添加。

这是docker docs链接https://docs.docker.com/docker-for-mac/osxfs-caching/

但是他们没有说它如何影响窗户？

他们在文档中提供了一个示例。

docker run -v /Users/yallop/project:/project:cached alpine command

干杯。