小编iva*_*lan的帖子

所以我正在使用Selenium和Python进行一些网络抓取,我遇到了问题.我点击"下一步"按钮移动到某个网站的下一页,但是当我到达最后一页时,我需要停止点击它.现在,我这样做的想法就是在try/except语句中使用some_element.click()并等到它给我一个错误,而按钮不再可点击.看来,.click()不会发出任何类型的信号,当按钮无法点击并且不发出任何真或假信号时,它不会抛出错误.

我尝试使用的代码段:

while True:
    try:
       button = driver.find_element_by_class_name('Next_button')
       button.click()
    except:
       break

还有其他方法吗？谢谢和欢呼.

我需要检查两个列表是否具有相同的元素,但这些相同的元素也必须位于相同的索引位置.

我想出了一个以下丑陋的解决方案:

def check_any_at_same_index(list_input_1, list_input_2):
    # set bool value
    check_if_any = 0
    for index, element in enumerate(list_input_1):
        # check if any elements are the same and also at the same index position
        if element == list_input_2[index]:
            check_if_any = 1
    return check_if_any

if __name__ == "__main__":
    list_1 = [1, 2, 4]
    list_2 = [2, 4, 1]
    list_3 = [1, 3, 5]

    # no same elements at same index
    print check_any_at_same_index(list_1, list_2)
    # has same element 0
    print check_any_at_same_index(list_1, list_3)

有什么更好的方法可以做到这一点,任何建议？

我有以下 zip 文件结构：

some_file.zip/folder/folder/files.xml

所以我在 zip 文件的子文件夹中有很多 xml 文件。

到目前为止，我已经设法使用以下代码解压了 zip 文件：

import os.path
import zipfile

with zipfile.ZipFile('some_file.zip') as zf:
    for member in zf.infolist():
        # Path traversal defense copied from
        # http://hg.python.org/cpython/file/tip/Lib/http/server.py#l789
        words = member.filename.split('/')
        path = "output"
        for word in words[:-1]:
            drive, word = os.path.splitdrive(word)
            head, word = os.path.split(word)
            if word in (os.curdir, os.pardir, ''): continue
            path = os.path.join(path, word)

        zf.extract(member, path)

但我不需要提取文件，而是直接从 zip 文件中读取它们。因此，要么读取 for 循环中的每个文件并对其进行处理，要么将每个文件保存在 Python 中的某种数据结构中。是否可以？

我有一组自定义功能以及使用Vectorizers创建的一组功能，在本例中为TfidfVectorizer。

我所有的自定义功能都是简单的np.arrays（例如[0、5、4、22、1]）。我正在使用StandardScaler缩放所有功能，正如您在“管道”中通过在“自定义管道”之后调用StandardScaler所看到的那样。问题是，是否有办法缩放我在“ vectorized_pipeline”中使用的矢量化器。在矢量化器上应用StandardScaler似乎不起作用（出现以下错误：“ ValueError：无法居中稀疏矩阵”）。

另一个问题是，在我将所有功能加入FeatureUnion后是否缩放我的所有功能，还是我分别缩放每个功能（在我的示例中，分别在“ pos_cluster”和“ stylistic_features”中调用缩放器而不是调用他们两个都加入之后），这样做的更好方法是什么？

from sklearn.pipeline import FeatureUnion, Pipeline
from sklearn import feature_selection
from sklearn.feature_extraction.text import TfidfVectorizer
from sklearn.preprocessing import StandardScaler
from sklearn.svm import LinearSVC

X = ['I am a sentence', 'an example']
Y = [1, 2]
X_dev = ['another sentence']

inner_scaler = StandardScaler()
# classifier
LinearSVC1 = LinearSVC(tol=1e-4,  C = 0.10000000000000001)

# vectorizers
countVecWord = TfidfVectorizer(ngram_range=(1, 3), max_features=2000, analyzer=u'word', sublinear_tf=True, use_idf = True, min_df=2, max_df=0.85, lowercase = True)
countVecWord_tags = TfidfVectorizer(ngram_range=(1, 4), max_features= 1000, analyzer=u'word', min_df=2, …

我需要合并两个pandas DataFrame，但不仅要合并确切的列值，还要合并近似的值。

例如，我有以下两个DataFrame：

import pandas as pd
d = {'col1': ["a", "b", "c", "d"], 'col2': [3, 4, 66, 120]}
df = pd.DataFrame(data=d)

    col1    col2
0   a       3
1   b       4
2   c       66
3   d       120

d2 = {'col1a': ["aa", "bb", "cc", "dd"], 'col2b': [3, 4, 67, 100]}
df2 = pd.DataFrame(data=d2)
    col1a   col2b
0   aa      3
1   bb      4
2   cc      67
3   dd      100

现在，如果仅将它们连接到col2和col2b列上，则我将仅获得两行，其中列的值完全相同。

pd.merge(df, df2, how='inner', left_on='col2', right_on='col2b')
    col1    col2    col1a   col2b
0 …

我有一个函数可以计算文本中Trigrams的频率.不需要计算语言学知识,我只需要Perl代码的帮助.

这是功能:

sub extract_frequencies {
    for( my $i=0; $i<=$#tag; $i++ ) {
       $wordtagfreq{"$word[$i]\t$tag[$i]"}++;
       $tagfreq{$tag[$i]}++;
    }

    # count Tag-Trigramm-Frequencies
    my @start = ("<s>","<s>");
    unshift @tag, @start;  # korrigiert
    push @tag, "<s>";
    for( my $i=2; $i<=$#tag; $i++ ) {
        $ngramfreq[3]{"$tag[$i-2]\t$tag[$i-1]\t$tag[$i]"}++;
    }
 } 

我不理解的特定代码点如下:

1)$ngramfreq[3]

哈希上的索引在这里意味着什么？我是否分别计算每个标签？它是钥匙的长度吗？什么是我的结束键(3个不同的标签键？)？

2) $i<=$#tag

是什么$#在Perl是什么意思？

有一段时间没有使用Perl,所以我希望Perl Monks会帮助我.

我有一个以下数据框：

+-----------+----------+----------+
|   some_id | one_col  | other_col|
+-----------+----------+----------+
|       xx1 |        11|       177|         
|       xx2 |      1613|      2000|    
|       xx4 |         0|     12473|      
+-----------+----------+----------+

我需要添加一个新列，该列基于对第一列和第二列进行的一些计算，即，例如，对于 col1_value=1 和 col2_value=10 需要生成 col1 包含在 col2 中的百分比，因此 col3_value = (1/10)*100=10%:

+-----------+----------+----------+--------------+
|   some_id | one_col  | other_col|  percentage  |
+-----------+----------+----------+--------------+
|       xx1 |        11|       177|     6.2      |  
|       xx3 |         1|       10 |      10      |     
|       xx2 |      1613|      2000|     80.6     |
|       xx4 |         0|     12473|      0       |
+-----------+----------+----------+--------------+

我知道我需要为此使用 udf，但是如何根据结果直接添加新的列值？

一些伪代码： …