小编Man*_*ngh的帖子

任何人都可以解释numpy的瓷砖功能吗？我无法从http://docs.scipy.org/doc/numpy/reference/generated/numpy.tile.html中给出的示例中找到答案.

我在一个办公室工作，服务器上安装了 PostgreSQL。在我的 Windows 机器上，我安装了 pgAdmin III 1.20 来访问数据库。我正在尝试在我的 Windows 系统中安装 psycopg2。我收到此错误：

C:\users\Tony> pip install psycopg2
Collecting psycopg2
Using cached psycopg2-2.6.1.tar.gz
Complete output from command python setup.py egg_info:
running egg_info
creating pip-egg-info\psycopg2.egg-info
writing pip-egg-info\psycopg2.egg-info\PKG-INFO
writing top-level names to pip-egg-info\psycopg2.egg-info\top_level.txt
writing dependency_links to pip-egg-info\psycopg2.egg-info\dependency_links.txt
writing manifest file 'pip-egg-info\psycopg2.egg-info\SOURCES.txt'
warning: manifest_maker: standard file '-c' not found

Error: pg_config executable not found.

Please add the directory containing pg_config to the PATH
or specify the full executable path with the option:

    python setup.py build_ext --pg-config …

我正在使用PySpark读取csv文件。下面是我的简单代码。

from pyspark.sql.session import SparkSession

def predict_metrics():
    session = SparkSession.builder.master('local').appName("PredictFacebookMetrics").getOrCreate()
    dataframe = session.read().format('com.databricks.spark.csv') \
        .option('header', True) \
        .option('delimiter', ';') \
        .option('inferSchema', True) \
        .load(r'D:\M\Facebook_metrics_data\dataset_Facebook.csv')
    dataframe.printSchema()
    dataframe.show(False)

if __name__=='__main__':
    predict_metrics()

执行以上代码后，出现以下错误：

TypeError: 'DataFrameReader' object is not callable

该错误的解决方法是什么？

我正在构建一个推荐系统，它可以对汽车替代品进行基于多标准的排名。我只需要以有意义的方式对替代方案进行排名。我有办法通过表格询问用户问题。

每辆车将根据以下标准进行评判：价格、尺寸、电动/非电动、距离等。正如您所看到的，它混合了各种数据类型，包括序数、基数（计数）和定量数据。

我的问题如下：

1. 我应该使用哪种技术将所有模型合并到一个可以排名的分数中。我查看了标准化加权和模型，但我很难将权重分配给序数（排名）数据。我尝试使用更智能的方法为序数数据分配数值权重，但我不确定它是否合适。请帮忙！

2. 在有人帮助我找到最佳排名方法的答案之后，如果最佳排名替代方案在绝对范围内不够好怎么办？我如何检查以进一步扩大替代集？

3.由于上面提到的标准（价格等）都在不同的单位上，是否有一个好的方法来标准化属于不同尺度的混合数据类型？鉴于数据属于许多不同的类型，这样做是否有意义？

对这些问题的任何帮助将不胜感激！谢谢你！