小编Sus*_*sio的帖子

我正在尝试为具有 numpy 数组输入参数的函数制作一个缓存装饰器

from functools import lru_cache
import numpy as np
from time import sleep

a = np.array([1,2,3,4])

@lru_cache()
def square(array):
    sleep(1)
    return array * array

square(a)

但是 numpy 数组不可散列，

TypeError                                 Traceback (most recent call last)
<ipython-input-13-559f69d0dec3> in <module>()
----> 1 square(a)

TypeError: unhashable type: 'numpy.ndarray'

所以它们需要转换为元组。我有这个工作和缓存正确：

@lru_cache()
def square(array_hashable):
    sleep(1)
    array = np.array(array_hashable)
    return array * array

square(tuple(a))

但我想把它全部包装在一个装饰器中，到目前为止我已经尝试过：

def np_cache(function):
    def outter(array):
        array_hashable = tuple(array)

        @lru_cache()
        def inner(array_hashable_inner):
            array_inner = np.array(array_hashable_inner)
            return function(array_inner)

        return inner(array_hashable)

    return outter

@np_cache …

我想pd.value_counts在MultiIndex中按级别对每列（据我估计）分组数据计数不同的值。multiindex使用groupby(level=参数来处理，但是apply会引发一个ValueError

原始数据框：

>>> df = pd.DataFrame(np.random.choice(list('ABC'), size=(10,5)),
                 columns=['c1','c2','c3','c4','c5'], 
                 index=pd.MultiIndex.from_product([['foo', 'bar'], 
                                                   ['w','y','x','y','z']]))



      c1 c2 c3 c4 c5
foo w  C  C  B  A  A
    y  A  A  C  B  A
    x  A  B  C  C  C
    y  A  B  C  C  C
    z  A  C  B  C  B
bar w  B  C  C  A  C
    y  A  A  C  A  A
    x  A  B  B  B  A
    y  A  A  C  A  B
    z …

我正在尝试使用过滤pandas数据框regular expressions。我想删除那些不包含任何字母的行。例如：

Col A.
50000
$927848
dog
cat 583
rabbit 444

我想要的结果是：

Col A.
dog
cat 583
rabbit 444

我一直在尝试使用regexand pandas过滤器选项解决不成功的问题。见打击。当我尝试合并过滤器的两个条件时，我特别遇到了问题。我该如何实现？

选项1：

df['Col A.'] = ~df['Col A.'].filter(regex='\d+')

选项2

df['Col A.'] = df['Col A.'].filter(regex=\w+)

选项3

from string import digits, letters
df['Col A.'] = (df['Col A.'].filter(regex='|'.join(letters)))

要么

df['Col A.'] = ~(df['Col A.'].filter(regex='|'.join(digits)))

要么

df['Col A.'] = df[~(df['Col A.'].filter(regex='|'.join(digits))) & (df['Col A.'].filter(regex='|'.join(letters)))]