小编Blu*_*oon的帖子

我有一个熊猫数据帧如下：

mail = DataFrame({'mail' : ['adv@gmail.com', 'fhngn@gmail.com', 'foinfo@yahoo.com', 'njfjrnfjrn@yahoo.com', 'nfjebfjen@hotmail.com', 'gnrgiprou@hotmail.com', 'jfei@hotmail.com']})

看起来像：

                    mail
0          adv@gmail.com
1        fhngn@gmail.com
2       foinfo@yahoo.com
3   njfjrnfjrn@yahoo.com
4  nfjebfjen@hotmail.com
5  gnrgiprou@hotmail.com
6       jfei@hotmail.com

我想要做的是过滤掉（消除）列邮件中的值以“@gmail.com”结尾的所有行。

我有一个pandas数据框,其列为datatime,如下所示:

data.ts_placed
Out[68]: 
1         2008-02-22 15:30:40
2         2008-03-20 16:56:00
3         2008-06-14 21:26:02
4         2008-06-16 10:26:02
5         2008-06-23 20:41:03
6         2008-07-17 08:02:00
7         2008-10-13 12:47:05
8         2008-11-14 09:20:33
9         2009-02-23 11:24:18
10        2009-03-02 10:29:19

我想通过在2009年之前消除所有行来对数据帧进行切片

我知道在使用简单函数图时如何绘制两个图:

 old.par <- par(mfrow=c(1, 2))
 plot(faithful, main="Faithful eruptions")
 plot(large.islands, main="Islands", ylab="Area")
 par(old.par)

这将返回......

我需要为相当复杂的spplot函数做同样的事情.我想要的是一个3 x 3的正方形.

我要绘制9次的功能是:

labelat = fivenum(gwr.res$SDF$Unempl)
labeltext = labelat 


spplot(gwr.res$SDF, "Unempl", cuts = 4, at = c(fivenum(gwr.res$SDF$Unempl)),     col.regions = Greens,
    colorkey=list(width=0.3,      
              space="right", 
              tick.number=5, 
              labels=list(  
                at=labelat, 
                labels=labeltext ))) 

关于如何解决这个问题的任何想法？

谢谢,

我有两个列表看起来像:

list1 = ['a','a','b','b','b','c','d','e','e','g','g']

list2 = ['a','c','z','y']

我想要做的是保持list1的所有元素也在list2中.结果应该是:

outcome= ['a','a','c']

我正在尝试编写一个装饰器以重复N次错误函数，并且之间的睡眠时间不断增加。到目前为止，这是我的尝试：

def exponential_backoff(seconds=10, attempts=10):
    def our_decorator(func):
        def function_wrapper(*args, **kwargs):
            for s in range(0, seconds*attempts, attempts):
                sleep(s)
                try:
                    return func(*args, **kwargs)
                except Exception as e:
                    print(e)
        return function_wrapper
    return our_decorator

@exponential_backoff
def test():    
    for a in range(100):
        if a - random.randint(0,1) == 0:
            print('success count: {}'.format(a))
            pass
        else:
            print('error count {}'.format(a))
            'a' + 1

test()

我不断收到错误：

TypeError: our_decorator() missing 1 required positional argument: 'func'

我有以下简单的功能：

def divide(x, y):
    quotient = x/y
    remainder = x % y
    return quotient, remainder  

x = divide(22, 7)

如果我访问变量x我会得到：

x
Out[139]: (3, 1)

有没有办法只得到商或余数？

我有这个pandas数据框:

df = DataFrame({'id':['a','b','b','b','c','c'], 'category':['z','z','x','y','y','y'], 'category2':['1','2','2','2','1','2']})

看起来像:

  category category2 id
0        z         1  a
1        z         2  b
2        x         2  b
3        y         2  b
4        y         1  c
5        y         2  c

我想做的是groupby id并返回另外两列作为唯一字符串的串联.

结果如下:

  category category2 id
0        z         1  a
1      zxy         2  b
2        y        12  c

我需要创建一个函数来计算数据框列中异常值的百分比.对于异常值,我的意思是任何数据点与均值相差超过3个标准差.

我查看了包装异常值,但这并没有让我感到厌烦,因为所有功能似乎都是针对寻找异常值而不是计算它们.

我可以使用它的功能吗？

我写了一个函数,应该多次尝试一个函数,直到这个工作.

def Retry(attempts,back_off,value):
    for i in range(attempts):
        counter = 0
        while attempts > counter:
            try:
                x = function(value)
            except:
                counter =+ 1
                delay = (counter * back_off) + 1
                print ('trying again in {} seconds'.format(delay))
                sleep(delay)
                continue
            break
        return x

result = Retry(20,2,value)

每次失败的尝试之后都应该是指数增长的时间间隔,即2秒后的第二次尝试,4秒后的第三次尝试,8秒后的第四次尝试,依此类推.问题在于,在我写的函数中,如果第一次尝试失败,我只会得到一系列无限的行:

trying again in 3 seconds
trying again in 3 seconds
trying again in 3 seconds
trying again in 3 seconds
trying again in 3 seconds
trying again in 3 seconds
....

我究竟做错了什么？为什么循环堆栈在那里？

我有一个 Pandas df 代表一家商店的营业日，看起来像：

         Dates  Open
0   2016-01-01     0
1   2016-01-02     0
2   2016-01-03     0
3   2016-01-04     1
4   2016-01-05     1
5   2016-01-06     1
6   2016-01-07     1
7   2016-01-08     1
8   2016-01-09     0
9   2016-01-10     0
10  2016-01-11     1
11  2016-01-12     1
12  2016-01-13     1
13  2016-01-14     1
14  2016-01-15     1
15  2016-01-16     0
16  2016-01-17     0
17  2016-01-18     1
18  2016-01-19     1
19  2016-01-20     1
20  2016-01-21     1
21  2016-01-22     1
22  2016-01-23     0
23  2016-01-24     0
24  2016-01-25 …