小编ben*_*min的帖子

在numpy中,为什么减去整数有时会产生浮点数？

>>> x = np.int64(2) - np.uint64(1)
>>> x
1.0
>>> x.dtype
dtype('float64')

这似乎只发生在使用多个不同的整数类型(例如有符号和无符号)时,以及没有更大的整数类型可用时.

我需要在 kubernates pod 中添加交换内存。这样，如果任何 Pod 超出可用 RAM，则它可以使用硬盘中的交换内存。这在 kubernates 中可能吗？

我想尝试使用CondaForge的软件包(可用性和兼容性).但是,Conda似乎希望从其他渠道中选择核心库(例如NumPy)的版本.

例如,当我尝试安装新库时,Conda提议降级NumPy,但如果我要求使用相同的库和NumPy,Conda不再建议降级.为什么？

$ conda install -c conda-forge beautifulsoup4
The following NEW packages will be INSTALLED:
    beautifulsoup4: 4.6.3-py36_0 conda-forge
The following packages will be UPDATED:
    numpy-base: 1.14.3-py36h0ea5e3f_1 --> 1.15.0-py36h3dfced4_0
The following packages will be DOWNGRADED:
    blas: 1.1-openblas conda-forge --> 1.0-mkl
    numpy: 1.15.1-py36_blas_openblashd3ea46f_1 conda-forge [blas_openblas] --> 1.15.0-py36h1b885b7_0
    scikit-learn: 0.19.2-py36_blas_openblasha84fab4_201 conda-forge [blas_openblas] --> 0.19.1-py36hedc7406_0
    scipy: 1.1.0-py36_blas_openblash7943236_201 conda-forge [blas_openblas] --> 1.1.0-py36hc49cb51_0
Proceed ([y]/n)? n

$ conda install -c conda-forge beautifulsoup4 numpy
The following NEW packages will be INSTALLED:
    beautifulsoup4: 4.6.3-py36_0 conda-forge
Proceed …

给定开始/停止时期和所需的中间元素数量，是否有任何方法可以创建一系列等距的日期时间对象？

t0 = dateutil.parser.parse("23-FEB-2015 23:09:19.445506")
tf = dateutil.parser.parse("24-FEB-2015 01:09:22.404973")
n = 10**4
series = pandas.period_range(start=t0, end=tf, periods=n)

这个例子失败了，也许熊猫不是打算给日期范围设置比一天短的日期吗？

我可以手动估计频率，即（tf-t0）/ n，但是我担心，如果天真地反复将此时间增量（添加到开始时期），则在我接近结束时期时会累积大量舍入误差。

我可以只使用浮点数而不是日期时间对象。（例如，从结束纪元减去开始纪元，然后将timedelta除以某个单位（例如秒），然后简单地应用numpy linspace。）但是将所有内容强制转换为浮点数（仅在需要时才转换回日期）会牺牲特殊数据类型的优点（简单的代码调试）。这是最好的解决方案吗？

Trying to install a python library that depends on a C library header file. Currently, if I try:

conda install hdf5
pip install bitshuffle

Then I get a gcc error, regarding inability to locate hdf5.h

Note, conda has downloaded hdf5.h (to envs/myenv/include), and as a work-around in this case there exists an alternative channel from which conda can install bitshuffle.

Is it recommended practice to conda install gcc rather than using (or letting pip use) the system default compiler? …

hdf5 是否支持从不同线程或不同进程并行写入同一文件？或者，hdf5 是否支持非阻塞写入？

如果是这样，那么 NetCDF4 和 python 绑定是否也支持它？

我正在编写一个应用程序，我希望不同的 CPU 内核同时计算用于非常大输出阵列的非重叠图块的输出。（稍后我想从它读取部分作为单个数组，不需要我自己的驱动程序来管理索引许多单独的文件，理想情况下不需要在磁盘上重新排列它的额外 IO 任务。）

我想要两个环境：一个生产环境，它是测试环境的严格子集。如何使用 Conda（或 micromamba）实现此目的？

测试需要一些额外的实用程序，这些实用程序不需要捆绑在生产 Docker 映像中。主要思想是确保生产安装中的子依赖项与配套环境中测试的版本完全相同。

可能性示例：

• 是否有一个选项可以指定一个约束文件（例如 pip），该文件可以包含比当前安装的包更多的包（以及从测试环境填充此文件的方法，以在创建产品环境时使用）？
• 有没有某种方法可以限制 conda 只从本地缓存中检索包，该缓存是由先前环境的安装新填充的？
• 是否可以选择安装附加（测试）要求，同时强制 conda 不升级/降级环境中的任何现有软件包？（但是以这种方式基于产品环境的副本的测试环境可能无法满足版本冲突..）

我正在尝试使用 matplotlib 绘制类似于以下内容的图：

但是，我不太确定要使用哪种类型的图表。我的数据具有以下形式，其中起始 x 位置是大于或等于 0 的正值：

<item 1><start x position><end x position>
<item 2><start x position><end x position>

查看文档，我看到有barh和errorbar，但我不确定是否可以使用带有起始偏移量的 barh 。考虑到我的数据类型，最好的方法是什么？我对图书馆不太熟悉，所以我希望能了解一些。