小编Mic*_*din的帖子

我想在 Jupyter 笔记本的 Markdown 单元中定义一个宏。但我们似乎无法定义它。

例如，我想定义一个格式化向量的宏。单元格中的代码是：

\newcommand{\vect}[1]{{\mathbf{\boldsymbol{{#1}}}}}

This is the vector $\vect{x}$.

渲染效果是：

PS 这个问题是在https://tex.stackexchange.com/questions/281535/latex-macros-in-markdown提出的，但它与 LaTeX 没有直接关系，并且该问题被标记为偏离主题。

我正在尝试比较sklearn.neighbors.KernelDensity与scipy.stats.gaussian_kde对于二维数组的性能。

从本文中，我看到每个函数中的带宽 (bw) 处理方式不同。这篇文章给出了在 in 中设置正确 bw 的方法，scipy因此它与sklearn. 基本上，它将 bw 除以样本标准偏差。结果是这样的：

# For sklearn
bw = 0.15

# For scipy
bw = 0.15/x.std(ddof=1)

x我用来获取 KDE 的样本数组在哪里。这在 1D 中工作得很好，但我不能让它在 2D 中工作。

这MWE是我得到的一个：

import numpy as np
from scipy import stats
from sklearn.neighbors import KernelDensity

# Generate random data.
n = 1000
m1, m2 = np.random.normal(0.2, 0.2, size=n), np.random.normal(0.2, 0.2, size=n)
# Define limits.
xmin, xmax = min(m1), max(m1) …

我有一个包含 ~900 行的数据框；我正在尝试为某些列绘制 KDEplots。在某些列中，大多数值是相同的最小值。当我包含太多最小值时，KDEPlot 会突然停止显示最小值。例如，以下包括 600 个值，其中 450 个是最小值，并且绘图看起来不错：

y = df.sort_values(by='col1', ascending=False)['col1'].values[:600]
sb.kdeplot(y)

但是包括 451 个最小值给出了非常不同的输出：

y = df.sort_values(by='col1', ascending=False)['col1'].values[:601]
sb.kdeplot(y)

最终，我想绘制不同列的双变量 KDEPlots，但我想先了解这一点。

我有一个 Python 脚本：

x=1.
x

我想从命令行生成以下文本：

Python 3.7.4 (default, Aug 13 2019, 20:35:49) 
[GCC 7.3.0] :: Anaconda, Inc. on linux
Type "help", "copyright", "credits" or "license" for more information.
>>> x=1.
>>> x
1.0

并将其保存到文件中。

这是我通过交互式复制和粘贴代码到 Python 解释器中可以获得的内容。

我考虑了以下消息：

• 如何保存 Python 交互式会话？但这显示了如何保存 Python 语句，而不是控制台中的输出。
• 如何保存当前 python 会话中的所有变量？但这显示了如何保存变量，而不是会话的内容。
• 如何保存python会话输入和输出正是我想要的，但没有答案。

我考虑过

• 使用 IPython 和 "%save" 魔法，但这只会保存 Python 语句，而不是语句的输出，
• 使用 Jupyter Notebook，但导出格式为 PDF、tex、HTML 等...而我只想要纯文本。

任何帮助将不胜感激。

我有一个二维空间域，例如 [0,1]\xc3\x97[0,1]。在此域中，有 6\xc2\xa0 个点，其中观察到了一些感兴趣的标量（例如，温度、机械应力、流体密度等）。如何预测未观察点的兴趣量？换句话说，如何在 Python 中插入空间数据？

例如，考虑 2D 域中的点的以下坐标（输入）以及感兴趣数量的相应观测值（输出）。

import numpy as np\ncoordinates = np.array([[0.0,0.0],[0.5,0.0],[1.0,0.0],[0.0,1.0],[0.5,1.],[1.0,1.0]])\nobservations = np.array([1.0,0.5,0.75,-1.0,0.0,1.0])\n

X\xc2\xa0 和 Y\xc2\xa0 坐标可以通过以下方式提取：

x = coordinates[:,0]\ny = coordinates[:,1]\n

以下脚本创建一个散点图，其中黄色（或蓝色）代表高（或低）输出值。

import matplotlib.pyplot as plt\nfig = plt.figure()\nplt.scatter(x, y, c=observations, cmap=\'viridis\')\nplt.colorbar()\nplt.show()\n

我想使用克里金法来预测二维输入域内规则网格上感兴趣的标量。我怎样才能在Python中做到这一点？