假设我有一个像这样创建的DataFrame:
import pandas as pd
s1 = pd.Series(['a', 'b', 'a', 'c', 'a', 'b'])
s2 = pd.Series(['a', 'f', 'a', 'd', 'a', 'f', 'f'])
d = pd.DataFrame({'s1': s1, 's2', s2})
实际数据中的字符串中存在相当多的稀疏性.我想创建字符串出现的直方图,看起来像d.hist()(例如,带有子图)为s1和s2(每个子图一个)生成的字符串.
只是做d.hist()给出了这个错误:
/Library/Python/2.7/site-packages/pandas/tools/plotting.pyc in hist_frame(data, column, by, grid, xlabelsize, xrot, ylabelsize, yrot, ax, sharex, sharey, **kwds)
1725 ax.xaxis.set_visible(True)
1726 ax.yaxis.set_visible(True)
-> 1727 ax.hist(data[col].dropna().values, **kwds)
1728 ax.set_title(col)
1729 ax.grid(grid)
/Library/Python/2.7/site-packages/matplotlib/axes.pyc in hist(self, x, bins, range, normed, weights, cumulative, bottom, histtype, align, orientation, rwidth, log, color, label, stacked, **kwargs)
8099 # this will automatically …我是一个完全的App Engine新手,我想确认我对高复制数据存储的理解.
文档说实体组是"一致性单位",并且所有数据最终都是一致的.同样,它也说"跨实体组的查询可能是陈旧的".
有人可以提供一些查询可能"陈旧"的例子吗？它是说我可以在没有任何父级(即它自己的组)的情况下保存一个实体,然后很快就会查询它并找不到它？它是否也意味着如果我希望数据始终是100%最新的,我需要将它们全部保存在同一个实体组中？
这种常见的解决方法是使用memcache缓存实体的时间长于数据在所有数据中心内变得一致所需的平均时间吗？什么是球场延迟？
谢谢
我写了这段代码:
x = 0
def counter():
x = 1
def temp(self):
print x
x += 1
return temp
试图测试python是词法还是动态范围.我的想法是这样的
y = counter()
y()
应该打印0或1,这将告诉我python如何作用域.但是,调用y会抛出一个异常,说x未定义.在理解Python如何工作的过程中,似乎存在一些根本性的缺陷.
谁能解释一下这是如何工作的？是的,我知道可以使用对象轻松完成.我正试图探索在不使用对象的情况下给出函数状态的想法.我用这种方式编写代码是因为上面翻译成像SCI这样的词汇范围的语言肯定会有效.
一个介绍编程类编写一个Lisp metacircular评估器并不罕见.有没有试图为Python做这个？
是的,我知道Lisp的结构和语法很适合于一个元模型评估器等等.Python很可能会更难.我只是好奇是否已经做出这样的尝试.
我有一个关于python的super()和多重继承的语法问题.假设我有A和B类,两者都有方法hello().我有一个C类,它依次从A和B继承.
如何从C中显式调用B的hello()方法？看起来很简单,但我似乎无法找到它的语法.