我正在一个游戏网站上工作,并希望在"标题"div中放置两个div,使它们水平对齐并位于此容器div的左侧和右侧.请参阅下面的示例:
Oli Matt
Run Code Online (Sandbox Code Playgroud)
这是我的尝试.我的错误是什么?
HTML:
<div class="header">
<div class="playerOne">
Oli
</div>
<div class="playerTwo">
Matt
</div>
</div>
Run Code Online (Sandbox Code Playgroud)
CSS:
.header{
display: inline-block;
}
.playerOne{
margin-left: 0;
}
.playerTwo{
margin-right: 0;
}
Run Code Online (Sandbox Code Playgroud) 我有几个创建绘图的函数,我在 Jupyter 笔记本中使用它们来可视化数据。
我想为这些创建基本测试,检查它们是否仍然运行,如果我进行更改,各种输入不会出错。但是,如果我使用 pytest 调用这些函数,创建绘图会导致程序挂起,直到我手动最小化绘图。
import pytest
import matplotlib.pyplot as plt
def plot_fn():
plt.plot([1,2,3])
plt.show()
def test_plot_fn():
plot_fn()
Run Code Online (Sandbox Code Playgroud)
如何使用 Pytest 测试“plot_fn”等函数的运行而不出错?我尝试了以下方法,但它不起作用,我认为是因为 plt.show() 导致脚本挂起,因此无法到达 plt.close('all')。
def test_plot_fn():
plot_fn()
plt.close('all')
Run Code Online (Sandbox Code Playgroud)
我很高兴更改绘图函数的行为,例如返回 plt 对象?
我正在尝试对 Pandas 数据框中的一列进行规范化,该列是一个字典列表(可能会丢失)。
重现的例子
import pandas as pd
bids = pd.Series([[{'price': 606, 'quantity': 28},{'price': 588, 'quantity': 29},
{'price': 513, 'quantity': 33}],[],[{'price': 7143, 'quantity': 15},
{'price': 68, 'quantity': 91},{'price': 6849, 'quantity': 12}]])
data = pd.DataFrame([1,2,3]).rename(columns={0:'id'})
data['bids'] = bids
Run Code Online (Sandbox Code Playgroud)
期望输出
id price quantity
1 606 28
1 588 29
1 513 33
3 7143 15
3 68 91
3 6849 12
Run Code Online (Sandbox Code Playgroud)
试图
尝试使用 Pandas json_normalize 解决,遵循此处的文档。我很困惑为什么下面的方法都不起作用,以及什么类型的 record_path 可以解决我的问题。以下所有错误。
pd.json_normalize(data['bids'])
pd.json_normalize(data['bids'],['price','quantity'])
pd.json_normalize(data['bids'],[['price','quantity']])
Run Code Online (Sandbox Code Playgroud) 我有一个 Pandas 系列的整数,'win'。我希望 most_common 和 least_common 值是列中出现频率最高和最不常见的值。例如,对于以下数字,我希望 most_common 为 2,而 least_common 为 1。如果是平局(无论哪种方式),则可以任意打破。
0 1 2 2 2 0 0 2 2 0
Run Code Online (Sandbox Code Playgroud)
我可以使用以下代码找到 most_common:
win.mode()[0]
Run Code Online (Sandbox Code Playgroud)
我怎样才能找到最不常见的?我尝试了以下代码,但它不起作用,无论如何我不确定这是否是解决此问题的最佳方法:
lowest =valid_loss.value_counts().tail(1)[0]
Run Code Online (Sandbox Code Playgroud)