小编ber*_*lem的帖子

我正在按照 的安装说明进行操作virtualenvwrapper，描述为here。

我用过pip install virtualenvwrapper，安装在路径上/home/.pyenv/shims/。

但是当我运行命令时 source /home/.pyenv/shims/virtualenvwrapper.sh，整个 Konsole 都会关闭。我之前把命令放在.bashrc文件里，几乎把 Linux 弄坏了，因为 Konsole 打开后会立即崩溃。

我使用的是 Linux OpenSuse 和 Python 3.6.0 版。

任何想法可能导致崩溃？

我正在使用数据集 API 生成训练数据并将其分类为 NN 的批次。

这是我的代码的最小工作示例：

import tensorflow as tf
import numpy as np
import random


def my_generator():
    while True:
        x = np.random.rand(4, 20)
        y = random.randint(0, 11)
        label = tf.one_hot(y, depth=12)
        yield x.reshape(4, 20, 1), label

def my_input_fn():
    dataset = tf.data.Dataset.from_generator(lambda: my_generator(),
                                             output_types=(tf.float64, tf.int32))

    dataset = dataset.batch(32)
    iterator = dataset.make_one_shot_iterator()
    batch_features, batch_labels = iterator.get_next()

    return batch_features, batch_labels


if __name__ == "__main__":
    tf.enable_eager_execution()

    model = tf.keras.Sequential([tf.keras.layers.Flatten(input_shape=(4, 20, 1)),
                                 tf.keras.layers.Dense(128, activation=tf.nn.relu),
                                 tf.keras.layers.Dense(12, activation=tf.nn.softmax)])

    model.compile(optimizer='adam',
                  loss='categorical_crossentropy',
                  metrics=['accuracy'])

    data_generator = my_input_fn()
    model.fit(data_generator)

该代码在 …

我有一个数组数组，我试图在所有数组中找到最低的非零值。

minima = []
for array in K: #where K is my array of arrays (all floats)
    if 0.0 in array:
        array.remove(0.0)
    minima.append(min(array))

print min(minima)

这产生

AttributeError: 'numpy.ndarray' object has no attribute 'remove'

我以为array.remove()是删除元素的方法。我究竟做错了什么？

我正在使用Python 2.7.我有两个数组,A和B.要找到B中存在的A中元素的索引,我可以这样做

A_inds = np.in1d(A,B)

我还想得到A中存在的B中元素的索引,即使用上面的代码找到的相同重叠元素的B中的索引.

目前我再次运行同一行,如下所示:

B_inds = np.in1d(B,A)

但这个额外的计算似乎应该是不必要的.是否有更高效的计算方法来获取A_inds和B_inds？

我愿意使用列表或数组方法.

这是一个示例数据框：

import pandas as pd
df = pd.DataFrame({'ID':[1,1,1,2,2,2,3,3], 
                   'value':[42, 89, 250, 31, 130, 108, 107, 93]})

    ID  value
0    1     42
1    1     89
2    1    250
3    2     31
4    2    130
5    2    108
6    3    107
7    3     93

对于每个 ID，我想提取值大于 100 的条目。

使用groupby我可以获得以下内容

grouped = df.groupby('ID')
for name, group in grouped:
    print(name, group)

1    ID  value
0     1     42
1     1     89
2     1    250
2    ID  value
3     2     31
4     2    130 …

我有一个阵列A.

A = [5,2,8,14,6,13]

我想得到一个数组,其中每个元素被添加到每个其他元素,所以前五个元素将是5 +每个元素,然后接下来的四个将是2 +每个元素等.所以结果将是

B = [7,13,19,11,18,   10,16,8,15,   22,14,21,   20,27,   19]

在不使用for循环的情况下,最快的方法是什么？

注意:我试图解决的问题涉及大布尔数组而不是整数,实际操作是布尔'和',而不仅仅是加法.为了便于解释,我简化了问题.到目前为止,我一直在使用for循环,但我正在寻找更快的替代方案.