这个代码,包括赋值和yield运算符,如何工作?结果相当混乱.
def test1(x):
for i in x:
_ = yield i
yield _
def test2(x):
for i in x:
_ = yield i
r1 = test1([1,2,3])
r2 = test2([1,2,3])
print list(r1)
print list(r2)
Run Code Online (Sandbox Code Playgroud)
输出:
[1, None, 2, None, 3, None]
[1, 2, 3]
Run Code Online (Sandbox Code Playgroud) 我试图根据它们是否为date类型来过滤pandas数据帧中的列.我可以弄清楚哪些是,但然后必须解析该输出或手动选择列.我想自动选择日期列.这就是我到目前为止的例子 - 在这种情况下我只想选择'date_col'列.
import pandas as pd
df = pd.DataFrame([['Feb-2017', 1, 2],
['Mar-2017', 1, 2],
['Apr-2017', 1, 2],
['May-2017', 1, 2]],
columns=['date_str', 'col1', 'col2'])
df['date_col'] = pd.to_datetime(df['date_str'])
df.dtypes
Run Code Online (Sandbox Code Playgroud)
日期:
date_str object
col1 int64
col2 int64
date_col datetime64[ns]
dtype: object
Run Code Online (Sandbox Code Playgroud) 目前,为了在蜂巢中列出一个列,我使用的内容如下.我试图按照它们所属的百分比对列中的项进行排名,为每个项指定一个0到1的值.下面的代码指定一个从0到9的值,基本上说一个char_percentile_rank0 的项目在项目的底部10%,而值9的项目在前10%的项目中.有没有更好的方法呢?
select item
, characteristic
, case when characteristic <= char_perc[0] then 0
when characteristic <= char_perc[1] then 1
when characteristic <= char_perc[2] then 2
when characteristic <= char_perc[3] then 3
when characteristic <= char_perc[4] then 4
when characteristic <= char_perc[5] then 5
when characteristic <= char_perc[6] then 6
when characteristic <= char_perc[7] then 7
when characteristic <= char_perc[8] then 8
else 9
end as char_percentile_rank
from (
select split(item_id,'-')[0] as item
, split(item_id,'-')[1] as characteristic
, …Run Code Online (Sandbox Code Playgroud) 我有一个名为 google-translate-python 的库。https://github.com/terryyin/google-translate-python
基本上,我将translate.py文件复制/粘贴到我的 python27/lib 目录中。我是这样导入的:
from translate import Translator
Run Code Online (Sandbox Code Playgroud)
我输入了这样的内容:
theTranslate = Translator(to_lang="sp")
translation = theTranslate.translate("hello")
Run Code Online (Sandbox Code Playgroud)
我正在使用 pycharm 顺便说一句,所以我没有遇到任何错误,它说方法就在那里,一切都在。
但是,我收到错误: ImportError: cannot import name Translator
我导入的库错了吗?这就是我能想到的。因为方法就在那里并且正在运行。
python ×3
dataframe ×1
hadoop ×1
hive ×1
numpy ×1
pandas ×1
percentile ×1
performance ×1
python-2.7 ×1
rank ×1
yield ×1