小编Rag*_*ami的帖子

我一直在使用 cpython，但我对 pypy 很陌生。

在cpython中，这就是我使用虚拟环境和pip的方式。

python3 -m venv venv
source venv/bin/activate
python3 -m pip install <package>

我最近开始在一个项目中使用 pypy，并注意到以下内容有效。

pypy3 -m venv venv
source venv/bin/activate
pypy3 -m pip install <package>

问题：

• cpython venv/pip 和 pypy venv/pip 之间有什么区别吗？
• 我可以使用 cpython 创建 venv，并将其与 pypy 一起使用，反之亦然吗？
• 同样，我可以使用 cpython 的 pip 安装软件包，并从 pypy 解释器使用它们，反之亦然吗？
• 我正在做的事情“正确”吗？或者如果我走这条路，我将来会遇到任何缺点/问题吗？

我更喜欢调用的原因python3 -m ...：

• venv 存在于 std 中。lib，所以我不必全局安装 virtualenv。
• pip比使用and更明确pip3。

参考：

• venv、pyvenv、pyenv、virtualenv、virtualenvwrapper、pipenv 等有什么区别？
• 我应该使用 pip 还是 pip3？

编辑：
尝试在 cpython 和 venv 之间共享 venv 不起作用（事后看来似乎很明显）。仍然可以创建两个单独的 venv，例如 …

我正在尝试在两个图像上使用 SIFT，并在 OpenCV 中使用 BFMatcher 匹配关键点。

但是，匹配的数量不等于查询描述符的数量。有人可以解释为什么它们不相等吗？

根据文档 match()功能“从查询集中找到每个描述符的最佳匹配。”

import cv2
import numpy as np

im1 = cv2.imread("trex1.png", cv2.IMREAD_GRAYSCALE)
im2 = cv2.imread("trex2.png", cv2.IMREAD_GRAYSCALE)

sift = cv2.xfeatures2d.SIFT_create()
kp1, des1 = sift.detectAndCompute(im1, None)
kp2, des2 = sift.detectAndCompute(im2, None)

im_kp1 = np.zeros(im1.shape, dtype=np.uint8)
im_kp2 = np.zeros(im1.shape, dtype=np.uint8)
im_kp1 = cv2.drawKeypoints(im1,kp1,None)
im_kp2 = cv2.drawKeypoints(im2,kp2,None)

bf = cv2.BFMatcher(cv2.NORM_L2, crossCheck=True)
matches = bf.match(des1,des2)

print len(des1)
# Result : 78
print len(des2)
# Result : 71
print len(matches)
# Result : 55

我有一个火花的RDD.RDD的每个元素都是一个列表.而且,所有元素都是相似模式的列表,所以它有点像表.我需要按特定优先级顺序按某些列排序RDD.

我怎样才能做到这一点？

PS:这是我试过的.

我尝试按优先级最高的字段排序,然后按其分组,然后按优先级次高的字段对每个结果进行排序.我递归地做了这个,并加入了结果.但是,使用RDD.groupBy这么多次使它非常慢.