小编Ang*_*gie的帖子

我想用一个类似于sklearn.

我找到具有 k 个主成分的 PCA 的算法如下：

• 计算样本均值并转换数据集，使其以原点为中心。
• 计算新的平移集的协方差矩阵。
• 找到特征值和特征向量，按降序对它们进行排序。
• 将数据集投影到前 k 个特征向量跨越的向量空间。

import numpy as np


class MyPCA:
    def __init__(self, n_components):
        self.n_components = n_components

    def fit_transform(self, X):
        """
        Assumes observations in X are passed as rows of a numpy array.
        """

        # Translate the dataset so it's centered around 0
        translated_X = X - np.mean(X, axis=0)

        # Calculate the eigenvalues and eigenvectors of the covariance matrix
        e_values, e_vectors = np.linalg.eigh(np.cov(translated_X.T))

        # Sort eigenvalues and their eigenvectors in descending …

假设我有一个如下所示的数据框：

+---+-----------+-----------+
| id|   address1|   address2|
+---+-----------+-----------+
|  1|address 1.1|address 1.2|
|  2|address 2.1|address 2.2|
+---+-----------+-----------+

我想将自定义函数直接应用于address1和address2列中的字符串，例如：

def example(string1, string2):
    name_1 = string1.lower().split(' ')
    name_2 = string2.lower().split(' ')
    intersection_count = len(set(name_1) & set(name_2))

    return intersection_count

我想将结果存储在一个新列中，以便我的最终数据框如下所示：

+---+-----------+-----------+------+
| id|   address1|   address2|result|
+---+-----------+-----------+------+
|  1|address 1.1|address 1.2|     2|
|  2|address 2.1|address 2.2|     7|
+---+-----------+-----------+------+

我尝试以一种曾经将内置函数应用于整个列的方式来执行它，但出现错误：

>>> df.withColumn('result', example(df.address1, df.address2))
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
  File "<stdin>", line 2, in example
TypeError: …

我有想要在一个pandas数据框中绘制的所有数据,例如:

         date flower_color  flower_count
0  2017-08-01         blue             1
1  2017-08-01          red             2
2  2017-08-02         blue             5
3  2017-08-02          red             2

我需要在一个图上使用几条不同的线:x值应该是第一列的日期,y值应该是flower_count,y值应该取决于第二列中给出的flower_color.

如何在不过滤原始df并首先将其另存为新对象的情况下执行此操作？我唯一的想法是只为红色花朵创建一个数据框,然后指定它:

figure.line(x="date", y="flower_count", source=red_flower_ds)
figure.line(x="date", y="flower_count", source=blue_flower_ds)