小编Sae*_*eed的帖子

我有一个时间序列，其指数如下所示：

In [671]: indices
Out[671]: 

DatetimeIndex(['2000-12-29', '2001-02-20', '2001-03-26', '2001-04-12',
               '2001-04-24', '2001-07-05', '2001-08-15', '2001-09-10',
               '2001-09-18', '2001-10-02', '2001-10-11', '2001-10-30',
               '2001-12-13', '2002-03-07', '2002-06-13', '2002-09-12',
               '2002-12-12', '2003-03-13', '2003-06-12', '2013-02-19',
               '2013-05-28', '2013-09-03', '2014-01-21', '2014-02-18',
               '2014-05-27', '2014-07-07', '2014-09-02', '2015-01-20',
               '2015-02-17', '2015-05-26', '2015-07-06', '2016-05-31',
               '2016-07-05', '2016-09-06', '2016-10-04', '2017-01-17',
               '2017-02-21', '2017-05-30', '2017-09-05'],
              dtype='datetime64[ns]', name='date', freq=None)

由于频率不规则，我无法分配频率。

我的目标是获得一组移动 2 行的新索引（不是 2 个日历日期之后，而是数据中的两个日期之后）。

我尝试：

   indices2= indices.shift(2)

但它说：

ValueError: Cannot shift with no freq

我想要的输出看起来像：

In [671]: indices2
Out[671]: 

    DatetimeIndex(['2000-02-20', '2001-03-26', '2001-04-12', ...., '2017-09-05'],

我知道之前已经问过与内存错误相关的问题，例如这里、这里、这里、这里或这里。并且建议的解决方案始终是切换到 Python 3 和/或 Window 64 位，或者在代码错误的情况下修复代码。但是，我已经在使用 Python 3 和 Win 64。我还可以从 Windows 任务管理器中看到，当 Python 抛出内存错误时，我的 64GB 内存中有几 GB 仍然可用。

我有大约 15 个日期索引的 Pandas 数据帧，每个数据帧有 14000 行，平均有 5000 列浮点数据，以及大约 40-50% 的 NaN 值，我从硬盘驱动器读入。我不能简单地删除 NaN，因为不同的列在不同的日期有 NaN。当我尝试将它们与pd.concat(). 所以这不是一些错误的代码或while循环的问题。如果我将某些数据框排除在串联之外，则串联时不会发生内存错误，但是当我尝试对串联数据进行 Scikit 学习决策树分析时，就会发生这种情况。

我的问题是如何让 Python 使用所有可用内存而不抛出内存错误？

编辑：截图添加了 IPython 解释器截图（我什至没有安装 Python 2）：

系统信息截图：

考虑一下这个系列：

s = [1, -1, 1, 1, 1, -1]

计算此类序列中值变化的次数最省时的方法是什么？在此示例中，答案为 3（从 1 到 -1，再回到 1，再到 -1）

我阅读了许多与此类似的问题，但仍然无法弄清楚。

clf = DecisionTreeClassifier()
clf.fit(X_train, y_train)

X_to_predict = array([[  1.37097033e+002,   0.00000000e+000,  -1.82710826e+296,
          1.22703799e+002,   1.37097033e+002,  -2.56391552e+001,
          1.11457878e+002,   1.37097033e+002,  -2.56391552e+001,
          9.81898928e+001,   1.22703799e+002,  -2.45139066e+001,
          9.24341823e+001,   1.11457878e+002,  -1.90236954e+001]])

clf.predict_proba(X_to_predict)

ValueError: Input contains NaN, infinity or a value too large for dtype('float32').

我的问题既不是也不 nan是inf价值观，因为：

np.isnan(X_to_predict).sum()
Out[147]: 0

np.isinf(X_to_predict).sum()
Out[148]: 0

问题：如何转换X_to_predict为对于 float32 来说不太大的值，同时保留尽可能多的小数点后位数？

请考虑接受两个参数的此函数:series和categorical_values.它的目标是获得a series,使其成为分类,然后打印原始系列的每个元素以及分类的相应元素.但是,如果categorical_values 已经将该函数作为输入传递给函数,则跳过分类阶段,该函数只打印传递的对series和categorical_values.

def my_function(series, categorical_values = None):

    if categorical_values: #meant to mean "if this argument is passed, just use it"
        categorical_values = categorical_values

    else: #meant to mean "if this argument is not passed, create it"
        categorical_values= pd.qcut(series, q = 5)

    for i,j in zip(series, categorical_values):
        print(i, j)

但是,传递categorical_values以下内容:

my_function(series, pd.qcut(series, q = 5))

导致:

ValueError: The truth value of a Series is ambiguous. Use a.empty, a.bool(), a.item(), …

我有一个系列：

series = [0,2, 1, -2, 0, 0, 2, 3 ,1, 7]

查找最长连续正数字符串的长度的最省时方法是什么？在这个例子中，它必须是 4（长度为 [2, 3, 1, 7]）