小编PyR*_*red的帖子

我正在使用python 3.6.1，我想读取电子邮件文件（.eml）进行处理。我正在使用emaildata 0.3.4软件包，但是，每当我尝试如文档中那样导入Text类时，都会收到模块错误：

import email
from email.text import Text
>>> ModuleNotFoundError: No module named 'cStringIO'

当我尝试使用此更新进行更正时，出现下一个与mimetools

>>> ModuleNotFoundError: No module named 'mimetools'

是否可以使用带有Python 3.6的emaildata 0.3.4来解析.eml文件？还是可以使用其他软件包来解析.eml文件？谢谢

我有一个数据框df

user    timestamp  amount
us67    15:59:07   87
us90    17:12:19   10
us12    03:23:16   17

print(df.timestamp[0])
>>> datetime.time(15,59,7)

我想将所有时间分成 1 小时间隔，因此总共 24 个间隔。但是，我得到了TypeError

df['timestamp'] = pd.cut(x=df['timestamp'], bins=24)
>>> TypeError: unsupported operand type(s) for +: 'datetime.time' and 'float'

但是，如果日期包含在列中，该方法确实有效timestamp，但我想忽略日期并只保留时间（用于稍后绘制）：

user    timestamp                 amount
us67    2018-04-29 15:59:07.455   87
us90    2018-04-29 17:12:19.128   10
us12    2018-04-29 03:23:16.890   17

print(df.timestamo[0])
>>> Timestamp('2018-04-29 15:59:07.455000')

df['timestamp'] = pd.cut(x=df['timestamp'], bins=24)

使用上面的格式timestamp，可以进行分箱。但是我不希望时间戳或间隔中包含年份和日期。我只想关注一天中的某个时间。

有没有办法timestamp只使用一天中的某个时间进行垃圾箱？最终的目标是仅使用一天中的小时而不是日期来绘制df( timestampvs. amount) 的时间序列 - 因此，如果有更好的方法可以做到这一点，请提出建议。

我遇到一个问题，尽管我在不同的计算机上都获得了不同的随机数

• scipy.__version__ == '1.2.1' 在所有计算机上
• numpy.__version__ == '1.15.4' 在所有计算机上
• random_state 每个函数调用中将种子固定为相同的数字（42），该函数生成随机数以产生可重复的结果

在这里完整地发布代码有点复杂，但是我注意到从多元正态采样时，结果开始出现差异：

import numpy as np
from scipy import stats
seed = 42
n_sim = 1000000
d = corr_mat.shape[0] # corr_mat is a 15x15 correlation matrix, numpy.ndarray
# results diverge from here across different hardware
z = stats.multivariate_normal(mean=np.zeros(d), cov=corr_mat).rvs(n_sim, random_state=seed)

corr_mat 是一个相关矩阵（请参阅下面的附录），并且在所有计算机上都相同。

我们正在测试的两台不同的计算机是

电脑1

• 作业系统：Windows 7
• 处理器：Intel（R）Xeon（R）CPU E5-2623 v4 @ 2.60Ghz 2.60 Ghz（2个处理器）
• 内存：64 GB
• 系统类型：64位

电脑2

• 作业系统：Windows 7
• 处理器：Intel（R）Xeon（R）CPU E5-2660 v3 @ 2.10Ghz 2.10 Ghz（2个处理器）
• 内存：64 …

我有一些代码使用MCMC对后验分布进行采样,特别是Metropolis Hastings.我使用scipy生成随机样本:

import numpy as np
from scipy import stats

def get_samples(n):
    """
    Generate and return a randomly sampled posterior.

    For simplicity, Prior is fixed as Beta(a=2,b=5), Likelihood is fixed as Normal(0,2)

    :type n: int
    :param n: number of iterations

    :rtype: numpy.ndarray
    """
    x_t = stats.uniform(0,1).rvs() # initial value
    posterior = np.zeros((n,))
    for t in range(n):
        x_prime = stats.norm(loc=x_t).rvs() # candidate
        p1 = stats.beta(a=2,b=5).pdf(x_prime)*stats.norm(loc=0,scale=2).pdf(x_prime) # prior * likelihood 
        p2 = stats.beta(a=2,b=5).pdf(x_t)*stats.norm(loc=0,scale=2).pdf(x_t) # prior * likelihood 
        alpha = p1/p2 …

我有一个元组列表列表 list1

list1 = [[('a',0.01),('b',0.23),('c',1e-7)],
      [('a',0.91),('b',0.067),('c',0.38)]]

我想创建一个numpy矩阵,其中每一行都是元组的第二个值list1.因此矩阵,我们称之为A,将形成

A = [[0.01,0.23,1e-7],[0.91,0.067,0.38]]
A.shape
>>> (2,3)

到目前为止,我已经设法以缓慢而低效的方式实现这一目标

A = []
for i in range(len(list1)):
    A.append(np.array([v for k,v in list1[i]]))
A = np.array(A)

如何使用列表理解来完成此操作？

我刚刚使用conda安装了pyspark 2.2.0（在windows 7 64位上使用python v3.6，java v1.8）

$conda install pyspark

它下载并似乎安装正确，没有错误。现在，当我pyspark在命令行上运行时，它只是告诉我“系统找不到指定的路径”。

$pyspark
The system cannot find the path specified.
The system cannot find the path specified.

我尝试将 pyspark 路径目录包含在我的 PATH 环境变量中，但这似乎仍然不起作用，但也许我给出了错误的路径？任何人都可以请建议。Java路径需要在PATH环境变量中指定吗？谢谢

我正在使用 openAI 的stable-baselines训练强化学习代理。我还使用optuna优化代理超参数。

为了加快该过程，我在不同的函数调用中使用多重处理。具体参见SubprocVecEnv此处文档study.optimize中的建议（分别在 1.15.3 和 1.10.4 下）。

import numpy as np
from stable_baselines.common.vec_env import SubprocVecEnv
from stable_baselines import PPO2
from stable_baselines.common.policies import MlpLnLstmPolicy
import optuna

n_cpu = 4


def optimize_ppo2(trial):
    """ Learning hyperparamters we want to optimise"""
    return {
        'n_steps': int(trial.suggest_loguniform('n_steps', 16, 2048)),
        'gamma': trial.suggest_loguniform('gamma', 0.9, 0.9999),
        'learning_rate': trial.suggest_loguniform('learning_rate', 1e-5, 1.),
        'ent_coef': trial.suggest_loguniform('ent_coef', 1e-8, 1e-1),
        'cliprange': trial.suggest_uniform('cliprange', 0.1, 0.4),
        'noptepochs': int(trial.suggest_loguniform('noptepochs', 1, 48)),
        'lam': trial.suggest_uniform('lam', 0.8, 1.)
    }


def optimize_agent(trial):
    """ …

我想创建钛酸数据集的堆叠条形图。该情节需要按“ Pclass”，“ Sex”和“ Survived”分组。我已经通过大量乏味的numpy操作做到了这一点，以产生下面的归一化图（其中“ M”是男性，“ F”是女性）

有没有办法使用熊猫内置的绘图功能来做到这一点？

我已经试过了：

import pandas as pd
import matplotlib.pyplot as plt
df = pd.read_csv('train.csv')
df_grouped = df.groupby(['Survived','Sex','Pclass'])['Survived'].count()
df_grouped.unstack().plot(kind='bar',stacked=True,  colormap='Blues', grid=True, figsize=(13,5));

这不是我想要的。无论如何，有没有使用熊猫图制作第一个图？提前致谢

假设我有一个名为 src.py 的脚本，其中定义了几个函数；这些函数都在一个名为 的类中LDA。numpy这些函数需要、等库scipy，这些库在脚本顶部作为标准导入。

现在，在一个名为 的新单独脚本中，main.py我导入该类LDA：

from src import LDA

如果我现在在新脚本中使用该类LDA及其所有函数main.py，即使我没有导入src.py. 这是如何运作的？我是否应该需要 importnumpy等scipy才能main.py工作LDA？

我有一个数据框 df

id      price      date         zipcode
u734    8923944    2017-01-05   AERIU87
uh72    9084582    2017-07-28   BJDHEU3
u029    299433     2017-09-31   038ZJKE

我想创建一个具有以下结构的字典

{'id': xxx, 'data': {'price': xxx, 'date': xxx, 'zipcode': xxx}}

到目前为止我所做的

ids = df['id']
prices = df['price']
dates = df['date']
zips = df['zipcode']
d = {'id':idx, 'data':{'price':p, 'date':d, 'zipcode':z} for idx,p,d,z in zip(ids,prices,dates,zips)}
>>> SyntaxError: invalid syntax

但我得到了上面的错误。

使用任一方法执行此操作的正确方法是什么

• 列表理解

或者

• 熊猫 .to_dict()

加分点：算法的复杂度是多少，有没有更有效的方法来做到这一点？