小编Gus*_*Gus的帖子

我正在matplotlib中绘制两个相似的轨迹,我想绘制具有部分透明度的每条线,以便红色(绘制的第二个)不会遮挡蓝色.

编辑:这是透明线条的图像.

我在Ubuntu 10.10 x64中的Enthought Python Distribution(Python 2.6.6)下使用PyAudio.

>>> import pyaudio
>>> pa = pyaudio.PyAudio()
>>> pa.get_default_input_device_info()

Traceback (most recent call last):
  File "<pyshell#24>", line 1, in <module>
    pa.get_default_input_device_info()
  File "/usr/lib/python_epd/lib/python2.6/site-packages/pyaudio.py", line 936, in get_default_input_device_info
    device_index = pa.get_default_input_device()
IOError: No Default Input Device Available

如果我尝试打开输入流,这是我得到的相同错误.存在相应的错误"IOError:No Default Output Device Available"

当我运行此代码时

from pylab import *

figure()
ax1 = subplot(121)
plot([1, 2, 3], [1, 2, 3])
subplot(122, sharex=ax1, sharey=ax1)
plot([1, 2, 3], [1, 2, 3])
draw()
show()

我得到两个在X维度上"压扁"的子图.对于两个子图,如何获得这些子图,使得Y轴的高度等于X轴的宽度？

我在Ubuntu 10.04上使用matplotlib v.0.99.1.2.

更新2010-07-08:让我们看看一些不起作用的东西.

谷歌搜索了一整天后,我认为它可能与自动缩放有关.所以我试着摆弄它.

from pylab import *

figure()
ax1 = subplot(121, autoscale_on=False)
plot([1, 2, 3], [1, 2, 3])
subplot(122, sharex=ax1, sharey=ax1)
plot([1, 2, 3], [1, 2, 3])
draw()
show()

matplotlib坚持自动缩放.

from pylab import *

figure()
ax1 = subplot(121, autoscale_on=False)
plot([1, 2, 3], [1, 2, 3])
subplot(122, sharex=ax1, sharey=ax1, autoscale_on=False)
plot([1, …

我想开始开发一个现有的Python模块.它有一个源文件夹和setup.py脚本来构建和安装它.构建脚本只复制源文件,因为它们都是python脚本.

目前,我已将源文件夹置于版本控制之下,每当我进行更改时,我都会重新构建并重新安装.这似乎有点慢,而且每次修改时我都不能很好地"改变"我的python安装.如何使我的import语句重定向到我的开发目录？

我想以表格形式定义一个布尔函数(带有n个输入和m个输出).我想找到一个实现该函数的最佳布尔表达式.这里的最优意味着,在硬件中实现它将需要尽可能少的门(可能每个门具有不同的成本)

我确信VHDL/Verilog合成器经常进行这种优化,我基本上也是出于同样的原因需要它.有某种卡诺求解器吗？或者,是否可以将问题指定为经典优化问题(SAT,整数编程)？我想用Python实现它,所以我主要是寻找一个已经完成这个的包.

我无法将SVG形状导入Dia.它期待一种.shape格式(参见http://dia-installer.de/howto/create_shape/index.html)

一种解决方案是将Dia图导出为SVG并在Inkscape中编辑它,但我真的想知道如何将一些SVG剪贴画直接导入Dia.

给定一个数组[x1,x2,x3,...,xk],其中xi是方框i中的项目数,如何重新分配项目,以便任何方框都不包含多于N个项目.N接近sum(xi)/ k - 也就是说,N接近具有相同项目数的每个框.不应使用中间框来携带物品 - 如果x1有盈余且x2和x3有缺陷,x1应该将一些物品发送到x2和x3,但不要将所有物品发送到x2然后让x2解决盈余.

实际问题是:每个计算节点都有一组样本,并且在重新采样步骤之后,一些计算机节点可能有盈余而其他计算机节点有缺陷,所以我想重新分配样本,同时最小化通信.

我想这种问题有一个名字.

我正在使用matplotlib.pyplot来创建直方图.我实际上并不对这些直方图的情节感兴趣,但对频率和频段感兴趣(我知道我可以编写自己的代码来执行此操作,但更愿意使用此包).

我知道我可以做到以下几点,

import numpy as np
import matplotlib.pyplot as plt

x1 = np.random.normal(1.5,1.0)
x2 = np.random.normal(0,1.0)

freq, bins, patches = plt.hist([x1,x1],50,histtype='step')

创建直方图.所有我需要的是freq[0],freq[1]和bins[0].我尝试使用时出现问题,

freq, bins, patches = plt.hist([x1,x1],50,histtype='step')

在一个功能.例如,

def func(x, y, Nbins):
    freq, bins, patches = plt.hist([x,y],Nbins,histtype='step') # create histogram

    bincenters = 0.5*(bins[1:] + bins[:-1]) # center bins

    xf= [float(i) for i in freq[0]] # convert integers to float
    xf = [float(i) for i in freq[1]]

    p = [ (bincenters[j], (1.0 / (xf[j] + …

我正在使用scipy.optimize.curve_fit,但我怀疑它正在收敛到局部最小值而不是全局最小值.

我尝试以下列方式使用模拟退火:

def fit(params):
 return np.sum((ydata - specf(xdata,*params))**2)

p = scipy.optimize.anneal(fit,[1000,1E-10])

specf我试图适应的曲线在哪里.p尽管结果显然比返回的最小值更差,curve_fit即使返回值表明已达到全局最小值(参见退火).

如何改善结果？SciPy中是否有全球曲线钳工？

我正在查看代码库，经常看到类似的内容：

public class SomeClass
{
 protected static SomeClass myObject;

 //...

 public static SomeClass getObject()
 {
  return myOjbect
 }
}

我想确保我理解这背后的目的。是为了确保该类的一个实例即使被实例化多次也能被共享吗？我不确定这里的词汇，否则我会寻找答案，所以如果这个模式有名字，请告诉我。

另外，这似乎有点先有鸡还是先有蛋的定义，因为类包含该类类型的对象。为什么这实际上并不矛盾？

谢谢！