小编Ger*_*ges的帖子

我试图png在python中读取图像.该imread函数scipy被弃用,他们建议使用imageio图书馆.

但是,我宁愿限制我的外部库的使用 scipy,numpy和matplotlib图书馆.因此,使用imageio或scikit image不是我的好选择.

python中是否有任何方法scipy,numpy或者matplotlib读取图像,这些方法都没有被弃用？

当我阅读Keras 序列模型代码时，我发现它只允许模型中任何定义的层使用单个输出Sequential。我知道如何使用函数式 API（Model类）来做到这一点。

但是，我不明白为什么该Sequential模型仅限于具有单个输出的层。执行此类约束是否存在设计限制？

我在 pycharm 中使用 pytest，但是当我运行测试时，我在 pycharm 控制台中得到测试和结果乱码，这是一个示例输出：

============================= test session starts ==============================
platform linux -- Python 3.6.6, pytest-4.0.1, ....
cachedir: .pytest_cache
rootdir: ....
collecting ... collected 14 items

tests/test_ops.py::test_layer 
tests/test_ops.py::test_layer_with_input_shape 
tests/test_ops.py::test_layer_with_batch_input 
tests/test_ops.py::test_layer_with_batch_size_and_input_shape 
tests/test_ops.py::test_rshift_input_layer 
tests/test_ops.py::test_rshift_input_list 
tests/test_ops.py::test_rshift_two_layers 
tests/test_ops.py::test_rshift_input_and_two_layers 
tests/test_ops.py::test_rshift_input_and_deferred_layer 
tests/test_ops.py::test_rshift_input_list_and_deferred_layer 
tests/test_ops.py::test_rshift_deferred_layer_to_layer 
tests/test_ops.py::test_rshift_layer_to_deferred_layer 
tests/test_ops.py::test_rshift_layer_to_int 
tests/test_ops.py::test_rshift_layer_to_int_with_inputs 

========================== 14 passed in 1.27 seconds ===========================PASSED                                     [  7%]PASSED                    [ 14%]Tensor_rshift_layer
PASSED                    [ 21%]Tensor_rshift_layer
PASSED     [ 28%]Tensor_rshift_layer
PASSED                        [ 35%]Tensor_rshift_layer
PASSED                         [ 42%]list_rshift_layer
PASSED                         [ 50%]layer_rshift_layer
PASSED               [ 57%]Tensor_rshift_layer
PASSED           [ 64%]layer_rshift_layer
Tensor_rshift_layer
PASSED      [ 71%]layer_rshift_layer
list_rshift_layer
PASSED            [ …

我正在尝试在HPC服务器上创建自己的conda python环境，并且正在发生一些非常奇怪的事情。

问题

创建新的conda环境后，似乎python在该环境中看不见自己，在使用基本环境...因此，我无法使用在新环境中安装的软件包，但可以在基本环境中看到它们。 。

这是我所做的

我按照以下步骤安装我的环境：

$ conda create -n niml pip python=3.6.5
$ source activate niml
(niml) $ conda install -c conda-forge luigi

然后检查安装的软件包：

(niml) $ conda list

这是我得到的非常基本的环境：

# Name                    Version                   Build  Channel
botocore                  1.10.61                    py_0    conda-forge
ca-certificates           2018.4.16                     0    conda-forge
certifi                   2018.4.16                py36_0    conda-forge
docutils                  0.14                     py36_0    conda-forge
jmespath                  0.9.3                      py_1    conda-forge
libedit                   3.1.20170329         h6b74fdf_2
libffi                    3.2.1                hd88cf55_4
libgcc-ng                 7.2.0                hdf63c60_3
libstdcxx-ng              7.2.0                hdf63c60_3
lockfile                  0.12.2                     py_1    conda-forge
luigi                     2.7.6                    py36_0    conda-forge
ncurses                   6.1                  hf484d3e_0
openssl …

我正在尝试使用 scipy.optimize.curve_fit 优化指数拟合。但结果并不好。我的代码是：

def func(x, a, b, c):
  return a * np.exp(-b * x) + c

# xdata and data is obtain from another dataframe and their type is nparray

xdata =[36,37,38,39,40,41,42,43,44,45,46,47,48,49,50,51,52,53,54,55,56,57,58,59,60,61,62,63,64,65,66,67,68,69,70 ,71,72]
ydata = [4,4,4,6,6,13,22,22,26,28,38,48,55,65,65,92,112,134,171,210,267,307,353,436,669,669,818,1029,1219,1405,1617,1791,2032,2032,2182,2298,2389]

popt, pcov = curve_fit(func, xdata, ydata)
plt.plot(xdata, func(xdata, *popt), 'r-', label='fit: a=%5.3f, b=%5.3f, c=%5.3f' % tuple(popt))

plt.scatter(xdata, ydata, s=1)
plt.show()

然后我得到这样的结果：

在此输入图像描述

结果表明：

pcov = [[inf inf inf] [inf inf inf] [inf inf inf]]
popt = [1  1  611.83784]

我不知道如何让我的曲线很好地拟合。你能打招呼吗？谢谢你！

所以,我有以下代码:

    half= 1/2.0
    print(half)
    for x in range(1,1075):
        half=half/2.0
        print(half)

但是在循环的最后部分,python决定一半现在是0.0

    1.265e-321
    6.3e-322
    3.16e-322
    1.6e-322
    8e-323
    4e-323
    2e-323
    1e-323
    5e-324
    0.0

我达到了python的限制吗？我是否需要安装一个包装才能更远？我不确定为什么会发生这种情况,但我认为python刚刚达到极限

我有一个这样的系列：

s = pd.Series([0, 0, 0, 1, 2, 3])
s
Out[00]: 
0    0
1    0
2    0
3    1
4    2
5    0
dtype: int64

我想计算该系列中开始和尾随零的数目。所以在这种情况下，我应该以3开始，因为在第一个非零数字之前有3个零，而在尾随零是1，因为在最后一个非零之后的序列尾部有一个零。

我到目前为止所做的

到目前为止，我的解决方案是使用累计和

sum(s.cumsum() == 0) # begenning
np.sum(np.cumsum(s.values[::-1]) == 0) # trailing

但这对于非常大的序列（尤其是尾随零位计算）而言非常慢，我需要一种替代方法。

numpy.linspace 在开始值和结束值之间生成均匀间隔的浮点样本。

print (numpy.linspace(0.0, 1.0, num=9))

# [0 0.125 0.25 0.375 0.5  0.625 0.75  0.875 1]

print (numpy.linspace(9000.0, 1000.0, num=9))

# [9000. 8000. 7000. 6000. 5000. 4000. 3000. 2000. 1000.]

如何在开始值和结束值之间生成指数间隔的样本？

例如，2的幂：

[0. 0.016 0.0625 0.141 0.25 0.391 0.562 0.766 1.]

感谢您的任何建议。

假设我定义一个A带有元类的类，如下所示：

class Meta(type):
    pass

class A(metaclass=Meta):
    pass

然后，当我尝试访问类的名称时，A我得到元类的名称：

A.__class__.__name__
#  'Meta'

但是，它不应该给我A，我定义的类吗？

注意：我尝试使用A.__mro__[0].__name__，它确实给了我A，但我仍然很困惑为什么A.__class__给我元类名称。有人对此有解释吗？

我有一个类，它存储文件中的一些数据，但有时该文件不存在。

该类提供了多种方法来对数据进行计算，但如果没有找到数据，所有这些方法都会引发错误。

这是类和其中一种方法的示例：

class A:
    def __init__(self, file_name):
        if isfile(file_name):
            with open(file_name) as f:
                self.data = json.load(f)
        else:
            self.data = None

   def get_something(self):
       if self.data is None:
          raise ValueError('no data')

       return data['a'] + data['b']

问题 如何摆脱每个类方法中的 if 语句。有没有办法在类或方法级别使用装饰器，这使得它看起来比分散的 if 语句更好？