小编mnm*_*mnm的帖子

给定一个样本数据集：

size = 10000
dist = seq(0, 10, length.out=size)
cohort.kv = list(A=3,B=40,C=44)
cohort = sample(names(cohort.kv), size, TRUE)
cohort.v = mapply(function(v) cohort.kv[[v]], cohort)
across.kv = list(ONE=1,TWO=2,THREE=3)
across = sample(names(across.kv), size, TRUE)
across.v = mapply(function(v) across.kv[[v]], across)
along.kv = list(FIVE=5, EIGHT=8, ELEVEN=11)
along = sample(names(along.kv), size, TRUE)
along.v = mapply(function(v) along.kv[[v]], along)
df = data.frame(
  dist=dist, cohort=cohort, across=across, along=along,
  value=sin(dist/across.v+cohort.v)*along.v
)
df$across = factor(df$across, levels=names(across.kv))
df$along = factor(df$along, levels=names(along.kv))

我正在尝试将乳胶添加到刻面标签中。这个答案解释了如何将乳胶添加到 ggplot 标签。下面的代码在轴标签中生成一个带有乳胶的分面 ggplot，并修改了分面标签。

library(ggplot2)
# install.packages("latex2exp", dependencies=TRUE)
library(latex2exp)
(
  ggplot(df, …

START RequestId：3d5691d9-ad79-4eed-a26c-5bc3f1a23a99版本：$ LATEST无法导入模块“ lambda_function”：没有名为“ pandas”的模块
END RequestId：3d5691d9-ad79-4eed-a26c-5bc3f1a23a99

我正在使用Windows 7 64位作为主机OS。

我想做的事

我只想在AWS-Lambda环境中使用熊猫。就像在Windows环境中使用它一样，我正在寻找Lambda的简单解决方案。

到目前为止我尝试过的

• 在虚拟盒子上安装了Xubuntu。
• myvenv在virtual-box上的Xubuntu中创建一个虚拟环境。
• 然后我在中安装了pandas3.6 myvenv。
• 此后，我复制的文件夹的内容myvenv，在位置'/usr/local/lib/python3.6/site-packages/'我的主机操作系统。
• 在主机操作系统（Windows 7）中，我创建了一个名为的文件夹packs，粘贴了的内容myvenv。
• 在主机OS（Windows 7）中创建了一个lambda_function.py脚本packs
• 然后我拉上的文件夹packs使用7zip的软件并上传它zip在Lambda
• 在Lambda中，lambda函数处理程序名称为lambda_handler()。该代码段如下所示：

将熊猫作为pd导入

def lambda_handler(event, context):

    dates = pd.date_range('2019001', periods=6)

    df = pd.DataFrame(np.random.randn(6, 4), index=dates, columns=list('ABCD'))
    print(df)

Run Code Online (Sandbox Code Playgroud)

• 该处理程序的名称为lambda_function.lambda_handler。我已授予lambda-role AWSLambdaFullAccess许可。
• 超时设置为4分3秒。

• 测试事件看起来像

  {“ key1”：“如果一切正常，将打印此内容”}

我尝试了以下解决方案：

• 从这里尝试了针对pandas和numpy的与Linux兼容的预编译二进制文件-真不走运。
• 拉姆达，改Handler info到python_filename.function_name。对于我来说，这是lambda_function.lambda_handler - …

目标：将每条推文分类为正面或负面，并将其写入输出文件，其中包含用户名、原始推文和推文的情绪。

代码：

import re,math
input_file="raw_data.csv"
fileout=open("Output.txt","w")
wordFile=open("words.txt","w")
expression=r"(@[A-Za-z0-9]+)|([^0-9A-Za-z \t])|(\w+:\/\/\S+)"

fileAFINN = 'AFINN-111.txt'
afinn = dict(map(lambda (w, s): (w, int(s)), [ws.strip().split('\t') for ws in open(fileAFINN)]))

pattern=re.compile(r'\w+')
pattern_split = re.compile(r"\W+")
words = pattern_split.split(input_file.lower())
print "File processing started"
with open(input_file,'r') as myfile:
for line in myfile:
    line = line.lower()

    line=re.sub(expression," ",line)
    words = pattern_split.split(line.lower())
    sentiments = map(lambda word: afinn.get(word, 0), words)
    #print sentiments
    # How should you weight the individual word sentiments?
    # You could do N, sqrt(N) or 1 for example. Here …

使用 geom_tile，我想在每行数据之间放置一条水平线。看起来如果我在美学上使用颜色，它会在水平和垂直方向上都有线条，这不是我想要的。过去，我只是将图块的高度变小，以便它们之间有一些分离。但是，似乎每行的空间量都不同？为什么会这样，有没有办法让分离始终一样？

library(ggplot2)
gn <- c(rep("gn1", 5),  rep("gn2", 5),  rep("gn3", 5),  rep("gn4", 5),  rep("gn5", 5), 
    rep("gn6", 5),  rep("gn7", 5),  rep("gn8", 5),  rep("gn9", 5),  rep("gn10", 5),
    rep("gn11", 5), rep("gn12", 5), rep("gn13", 5), rep("gn14", 5), rep("gn15", 5),
    rep("gn16", 5), rep("gn17", 5), rep("gn18", 5), rep("gn19", 5))

smpl <- rep(c("smpl1", "smpl2", "smpl3", "smpl4", "smpl5"), 19)

mut1 <- c(0, 2, 3, 3, 0)
mut2 <- c(0, 2, 2, 0, 3)
mut3 <- c(2, 0, 2, 0, 3)
mut4 <- c(0, 0, 2, 2, 3)
mut5 …

我有插槽名称“备注”。我需要一个插槽类型，它采用用户为此字段提供的任何值。

我希望这个例子会很清楚。我想在中间条跨越“0”的地方堆叠条，因为它代表一个中性值。这与李克特量表一起使用。为了重现性，我使用了钻石数据集。

以下示例与我的用例非常接近，并说明了我将“好”或“正”数据按正确顺序排列的困难（因此中性最接近 0）。

这是我的代码：

require(tidyverse)

diamonds_new <- diamonds %>%
  mutate(quality = fct_recode(cut, "Very poor" = "Fair", "Poor" = "Good", "Neutral" = "Very Good", "Good" = "Premium", "Excellent" = "Ideal")) %>% 
  select(color, clarity, quality) %>% 
  group_by(color, clarity, quality) %>% count()

diamonds_bad <- 
  diamonds_new %>% filter(quality %in% c("Very poor", "Poor", "Neutral")) %>% 
  mutate(n = ifelse(quality == "Neutral", -n/2, -n))

diamonds_good <- 
  diamonds_new %>% filter(quality %in% c("Neutral", "Good", "Excellent")) %>% 
  mutate(n = ifelse(quality == "Neutral", n/2, n)) # %>% 
#  arrange(color, clarity, desc(quality)) …

给定一个包含混合变量（即类别变量和连续变量）的数据框，

digits = 0:9
# set seed for reproducibility
set.seed(17)
# function to create random string
createRandString <- function(n = 5000) {
  a <- do.call(paste0, replicate(5, sample(LETTERS, n, TRUE), FALSE))
  paste0(a, sprintf("%04d", sample(9999, n, TRUE)), sample(LETTERS, n, TRUE))
}

df <- data.frame(ID=c(1:10), name=sample(letters[1:10]),
                 studLoc=sample(createRandString(10)),
                 finalmark=sample(c(0:100),10),
                 subj1mark=sample(c(0:100),10),subj2mark=sample(c(0:100),10)
                 )

我使用软件包执行无监督功能选择 FactoMineR

df.princomp <- FactoMineR::FAMD(df, graph = FALSE)

该变量df.princomp是一个列表。

之后，为了可视化我使用fviz_screeplot()和fviz_contrib()喜欢的主要成分 ，

#library(factoextra)
factoextra::fviz_screeplot(df.princomp, addlabels = TRUE,
                           barfill = "gray", barcolor = "black",
                           ylim = c(0, 50), xlab …

我有数据（主要是一系列 numpy 数组），我想将其转换为可以复制/粘贴/通过电子邮件发送等的文本。我创建了以下公式来执行此操作。

def convert_to_ascii85(x):
    p = pickle.dumps(x)
    p = zlib.compress(p)
    return b64.b85encode(p)

我的问题是它产生的字符串比它需要的要长，因为它只使用字母、数字和符号的子集。如果我能够使用 unicode 进行编码，我觉得它可以产生更短的字符串，因为它可以访问更多字符。有没有办法做到这一点？

编辑澄清：我的目标不是最小数量的 data/information/bytes。我的目标是最少的字符数。原因是我发送数据的通道以字符（准确地说是 100k）而不是字节（奇怪，我知道）为上限。我已经测试过我可以发送 100k unicode 字符，我只是不知道如何将我的字节转换为 unicode。

我需要更改包装的geom_text层中的行距。

library(ggplot2)
library(stringr)
txt = c('one two three', 'four five six', 'seven eight nine')
p = ggplot(data=NULL, aes(x=1:3, y=1:3, label = str_wrap(txt, width = 3))) + 
  geom_text() + expand_limits(x = c(0.5, 3.5), y = c(0.5, 3.5))

但是theme(text=element_text(lineheight = ...))没有效果，因为它theme仅适用于绘图的非数据组件，因此我不清楚如何实现此目的。有什么建议吗？

是否可以让 geom_smooth 产生单调递减函数？

第一个例子看起来是单调递减的：

library(tidyverse)

df <- structure(list(x = c(-55, 11, 19, 123, 133, 123, 123, 2, 86, 
84, 179, 179, 179, 179, 25, 85, 84, 179, 179, 179, 179, 25, 86, 
84, 179, 179, 179, 179, 25, 86, 84, 179, 179, 179, 179, 25, 86, 
70, 123, 123, 123, 123, 0, -45, -45, -17, -17, -17, -17, -63, 
48, 40, 67, 67, 67, 67, -25, 11, 10, 67, 67, 67, 67, -25, 11, 
10, 67, 67, 67, 67, -25, …