小编DSM*_*DSM的帖子

有人可以向我解释究竟是什么用途%matplotlib inline？

我有一个相当大的程序,我random在不同的文件中使用模块中的函数.我希望能够在一个地方设置一次随机种子,使程序始终返回相同的结果.甚至可以实现python吗？

我一直在寻找这个,但我似乎无法找到它(虽然它一定是非常微不足道的).

我遇到的问题是我想检索数据框的第一个和最后一个条目的列值.但如果我这样做:

df.ix[0]['date']

我明白了:

datetime.datetime(2011, 1, 10, 16, 0)

但如果我这样做:

df[-1:]['date']

我明白了:

myIndex
13         2011-12-20 16:00:00
Name: mydate

格式不同.理想情况下,我希望能够访问数据框的最后一个索引的值,但我找不到如何.

我甚至尝试使用索引的值创建一个列(IndexCopy)并尝试:

df.ix[df.tail(1)['IndexCopy']]['mydate']

但这也会产生不同的格式(因为df.tail(1)['IndexCopy']不输出一个简单的整数).

有任何想法吗？

Python中的集合和列表之间的唯一区别是,您可以使用并集,交叉,差异,对称差异函数来比较两个集合吗？为什么这些功能不能简单地应用于列表？什么情况下集合比列表更有用？

在Python中:

>>>"\N{BLACK SPADE SUIT}"
>>>'?'
>>>"\u2660"
>>>'?'

现在,假设我有一个我不知道名字或号码的角色.是否有Python函数提供如下信息:

>>>wanted_function('?')
>>>["BLACK SPADE SUIT", "u2660"]

？

为什么我收到此错误消息？ValueError:使用序列设置数组元素.谢谢

Z=np.array([1.0,1.0,1.0,1.0])  

def func(TempLake,Z):
    A=TempLake
    B=Z
    return A*B

Nlayers=Z.size
N=3
TempLake=np.zeros((N+1,Nlayers))

kOUT=np.zeros(N+1)
for i in xrange(N):
    kOUT[i]=func(TempLake[i],Z)

我正在尝试实现一个numpy函数,它将2D数组的每一行中的max替换为1,并将所有其他数字替换为0:

>>> a = np.array([[0, 1],
...               [2, 3],
...               [4, 5],
...               [6, 7],
...               [9, 8]])
>>> b = some_function(a)
>>> b
[[0. 1.]
 [0. 1.]
 [0. 1.]
 [0. 1.]
 [1. 0.]]

到目前为止我尝试过的

def some_function(x):
    a = np.zeros(x.shape)
    a[:,np.argmax(x, axis=1)] = 1
    return a

>>> b = some_function(a)
>>> b
[[1. 1.]
 [1. 1.]
 [1. 1.]
 [1. 1.]
 [1. 1.]]

我似乎找不到有关使用matplotlib在3d图像中缩放轴的能力的文档.

例如,我有图像:

并且轴具有不同的尺度.我希望他们是统一的.

我无法打开文件(amount2.csv)进行更改,保存并关闭文件.

如何打开文件编辑,保存并关闭它？

import csv

changes = {
    '1 dozen' : '12'
    }
with open('amount2.csv', 'r') as f:
reader = csv.reader(f)
print f
f.close()

我的错误:打开文件'amount2.csv',模式'r'在0x1004656f0(<>已删除)

在pandas DataFrame中,是否可以折叠具有相同值的列,并总结另一列中的值？

码

data = {"score":{"0":9.397,"1":9.397,"2":9.397995,"3":9.397996,"4":9.3999},"type":{"0":"advanced","1":"advanced","2":"advanced","3":"newbie","4":"expert"},"count":{"0":394.18930604,"1":143.14226729,"2":9.64172783,"3":0.1,"4":19.65413734}}
df = pd.DataFrame(data)
df

产量

     count       score       type
0    394.189306  9.397000    advanced
1    143.142267  9.397000    advanced
2    9.641728    9.397995    advanced
3    0.100000    9.397996    newbie
4    19.654137   9.399900    expert

在上面的例子中,前两行具有相同的score和type,因此这些行应该被合并到一起和它们的分数相加.

期望的输出

     count       score       type
0    537.331573  9.397000    advanced
1    9.641728    9.397995    advanced
2    0.100000    9.397996    newbie
3    19.654137   9.399900    expert