小编use*_*956的帖子

根据这篇文章,我应该能够访问ndarray中列的名称作为a.dtype.names

但是,如果我将pandas DataFrame转换为带有df.as_matrix()或df.values的ndarray,则dtype.names字段为None.此外,如果我尝试将列名称分配给ndarray

X = pd.DataFrame(dict(age=[40., 50., 60.], sys_blood_pressure=[140.,150.,160.]))
print X
print type(X.as_matrix())# <type 'numpy.ndarray'>
print type(X.as_matrix()[0]) # <type 'numpy.ndarray'>

m = X.as_matrix()
m.dtype.names = list(X.columns)

我明白了

ValueError: there are no fields defined

更新:

我特别感兴趣的是矩阵只需要保存一个类型(它是一个特定数字类型的ndarray),因为我也想使用cython进行优化.(我怀疑numpy记录和结构化数组更难以处理,因为它们更自由地输入.)

实际上,我只想维护通过sci-kit预测器深层树的数组的column_name元数据.它的接口的.fit(X,y)和.predict(X)API不允许传递关于X和y对象之外的列标签的附加元数据.

            s1 = image.shape  # Image is an opencv2 image (ndarray)
            w,h,d = s1
            image_ = cv2.resize(image, (w*2, h*2), interpolation = cv2.INTER_CUBIC)
            s2 = image_.shape

在上面，我要求将输出大小调整为 (960,1280)，但我得到 (1280, 960)。

那是怎么回事？

  image_ = cv2.resize(image, None, fx=2, fy=2, interpolation = cv2.INTER_CUBIC)

...按预期工作。（没有必要指出这一点）。

可运行示例：

import cv2

def run():
    cap = cv2.VideoCapture(0)

    while cap.isOpened():
        success, image = cap.read()  # (480, 640, 3)
        if not success:
            print("Ignoring empty camera frame.")
            continue

        s1 = image.shape
        w, h, d = s1
        s2 = (w * 2, h * …

可以在内存中完全创建的不同类型的Linux文件是什么？

例如,可能会创建一个管道文件,但是创建文件的位置(或文件路径的文件系统类型)是否会影响是否涉及磁盘访问？如果我在ext3文件系统中创建管道文件,是否可以获得物理磁盘访问结果？

我想将文件系统中的单个文件同步到s3.

这是可能的还是只能同步目录？

假设我在Spring中有两组控制器:

• /jsonapi1/*
• /jsonapi2/*

两者都返回要解释为JSON文本的对象.

我想要某种过滤器来包装来自这些控制器的响应,以便:

1. 原始响应包含在另一个对象中.

   例如,如果/ jsonapi1/count返回:

   {"num_humans":123, "num_androids":456}
   

   Run Code Online (Sandbox Code Playgroud)

   那么响应应该被包装并返回如下:

   { "status":0,
     "content":{"num_humans":123, "num_androids":456}
   }
   

   Run Code Online (Sandbox Code Playgroud)

2. 如果控制器中发生异常,则过滤器应捕获异常并按如下方式报告

   { "status":5,
     "content":"Something terrible happened"
   }
   

   Run Code Online (Sandbox Code Playgroud)

3. 其他控制器的响应将保持不变.

我们目前正在自定义MappingJackson2HttpMessageConverter传递给以WebMvcConfigurerAdapter.configureMessageConverters执行上述任务.工作得很好,除了这种方法似乎不可能选择它适用的URL(或控制器类).

是否可以将这些类型的包装器应用于单个控制器类或URL？

更新:Servlet过滤器看起来像一个解决方案.是否可以选择将哪个过滤器应用于哪些控制器方法或哪些URL？

我想在Spring WebApplicationContext中添加一个特定的控制器类.我遇到了以下示例:(它在Scala中,但是从这里改编:使用ComponentScan或context:仅使用一个类的component-scan)

@Configuration 
@ComponentScan(
  basePackages = Array("com.example.controllers"),
  useDefaultFilters = false,
  includeFilters = Array(
    new ComponentScan.Filter(`type` = FilterType.ASSIGNABLE_TYPE,
      value = Array(classOf[com.example.controllers.MyController]))))
class MyConfig {
}

这很好用(但非常冗长).但Spring的@ComponentScan也有basePackageClasses

@Configuration 
@ComponentScan( basePackageClasses=Array(classOf[com.example.controllers.MyController])) 
class MyConfig {
}

在basePackageClasses中,Spring的文档说:

Type-safe alternative to basePackages() for specifying the packages to
scan for annotated components.

但是,虽然第一个ComponentScan正确添加了com.example.controllers.MyController,但第二个导致我的所有@Controller都被扫描并添加!为什么？basePackageClasses有什么用？

示例如:https://github.com/mikaelhg/springmvc-example/blob/master/src/main/java/mikaelhg/example/ExampleConfiguration.java 建议basePackageClasses可用于加载单个组件.

更新:

另外,替换:

@Configuration 
@ComponentScan(
  basePackages = Array("com.example.controllers"),
  useDefaultFilters = false,
  includeFilters = Array(
    new ComponentScan.Filter(`type` = FilterType.ASSIGNABLE_TYPE,
      value = Array(classOf[com.example.controllers.MyController]))))
class MyConfig {
}

同

@Configuration …

我可以运行（对于命令行）

myscript.py '--pm execute.shell(cmd="ls -l", nonInteractive=True)'

但是，假设我要调试 myscript.py 并将“编辑配置 Python”对话框中的“脚本参数：”字段设置为：

--pm execute.shell(cmd="ls -l", nonInteractive=True)

它在“ls”和“-l”之间的空格处呕吐。有没有办法解决这个问题？使用 ' 或 " 引号似乎不是这样做的：

--pm 'execute.shell(cmd="ls -l", nonInteractive=True)'
--pm "execute.shell(cmd='ls -l', nonInteractive=True)"

在这两种情况下，引号都以参数结尾。

更新：运行：

import sys
for x in sys.argv:
    print "<%s>"%(x,)

和

Script parameters: a  \ b " c" "\ d" ' e' '\ f' "a 'b' \"c\""

给出：

<cmd.py>
<a>
<\>
<b>
< c>
<\ d>
<'>
<e'>
<'\>
<f'>
<a 'b' "c">

所以它看起来像：

• 忽略转义（从字面上处理\），除了前面的“
• 一个非转义的 " 开始一个可能包含空格的块
• ' 按字面处理

所以，神奇的答案是：

Script parameters: …

我正在尝试解决两个python安装之间的行为差​​异,这些安装通常是确定性的并且安装了相同的python pip包.

我怀疑不同的.so文件.有没有什么可以看到哪些二进制二进制轮子pip已安装,以及哪些架构？

更新 -

% pip show Name: scipy Version: 1.0.0rc1 Summary: SciPy: Scientific Library for Python Home-page: https://www.scipy.org Author: SciPy Developers Author-email: scipy-dev@python.org License: BSD Location: /usr/local/lib/python2.7/dist-packages Requires: numpy

上面的包依赖于像libopenblas这样必须编译的东西.我不知道如果PIP所使用的系统安装,或编译的BLAS画中画在安装过程中,或用作BLAS的预编译版本的I386,或i686的 - 谁知道.

以上情况我有:

/usr/local/lib/python2.7/dist-packages/scipy/.libs/libopenblasp-r0-39a31c03.2.18.so

我想看看哪个软件包在差异系统中的已安装.sos有差异.

作为疾病风险模型的一部分，我正在尝试实现论文（Python/numpy）中的计算，其中一部分是以下矩阵计算：

在哪里：

\n
• X 和 [nm]。m 大小合理 (1..200)，但 n 相当大 (>500k)
\n
• W 是一个 [nn]，并且过大，但仅对角线上有非零值
\n

另外，我只需要获取 Q 的对角元素作为输出。

是否有一些 numpy 矩阵魔法可以让我有效地计算这个？

笔记：

论文在R中有一个实现实现，我（相信）这样做如下：

Qdiag <- lm.influence(lm(y ~ X-1, weights=W))$hat/W\n

R\'s lm.influence$hat 文档表示这给出了“一个包含 \xe2\x80\x98hat\xe2\x80\x99 矩阵对角线的向量”。尽管维基百科的定义听起来有点像我想要的对帽子矩阵（==影响或投影矩阵）的定义看起来略有不同。

--

我认为以下是一个有效的（天真的）实现。对于大 n 来说内存不足

m = 3\nn = 20 # 500000 -- out of memory for large n\n\nnp.random.seed(123)\nX = np.random.random((n,m))\nW = np.random.random(n)\nW = np.diag(W)\nxtwx = …

有时候我只是讨厌使用中间件。以这个为例：我想拥有一个查找表，该表将一组输入（域）值中的值映射到输出（范围）值中。映射是唯一的。Python映射可以做到这一点，但是由于我认为该映射很大，所以为什么不使用ps.Series及其索引，它可以带来更多好处：

• 传递多个值以映射为一个序列（希望比字典查找更快）
• 结果中保留原始序列的索引

像这样：

domain2range = pd.Series(allrangevals, index=alldomainvals)
# Apply the map
query_vals = pd.Series(domainvals, index=someindex)
result = query_vals.map(domain2range)
assert result.index is someindex # Nice
assert (result.values in allrangevals).all() # Nice

可以正常工作。但不是。上面的.map的时间成本len(domain2range)没有（更明智地）增加O(len(query_vals))，如下所示：

numiter = 100
for n in [10, 1000, 1000000, 10000000,]:
    domain = np.arange(0, n)
    range = domain+10
    maptable = pd.Series(range, index=domain).sort_index()

    query_vals = pd.Series([1,2,3])
    def f():
        query_vals.map(maptable)
    print n, timeit.timeit(stmt=f, number=numiter)/numiter


10 0.000630810260773
1000 0.000978469848633
1000000 0.00130645036697
10000000 0.0162791204453

脸庞。在n = 10000000时，每个映射值占用（0.01 / …