小编Eri*_*sen的帖子

假设我有一个散点图，上面有某种线（最小二乘回归线、knn 回归线等），就像这样。 我想将绘图的上部区域涂成红色，将绘图的下部区域涂成蓝色，以表明我的线作为点的分类器的表现如何。与我的具有此效果的模拟示例类似，来自Elements of Statistical Learning ( Hastie 等人) (第 2 章，第 13 页) 中的此图。

如何使用 Matplotlib 实现这种效果？

我知道如何使用axhspan和将绘图的矩形区域设置为不同的颜色axvspan（请参阅此答案），但一直在努力根据线条上方和下方的区域设置不同的绘图颜色。

复制我当前模拟图的代码

import numpy as np
import matplotlib.pyplot as plt

plt.style.use('seaborn-notebook')

np.random.seed(17)
grp1_x = np.random.normal(1, 1, 100)
grp1_y = np.random.normal(3, 1, 100)

grp2_x = np.random.normal(1.2, 1, 100)
grp2_y = np.random.normal(1.2, 1, 100)

########################################
## least squares plot

plt.scatter(grp1_x, grp1_y,
            lw         = 1,
            facecolors = 'none',
            edgecolors = 'firebrick')
plt.scatter(grp2_x, grp2_y,
            lw         = …

假设我有一个DataFrame

df = pd.DataFrame(dict(vals=np.random.randint(0, 10, 10)),
                  index=pd.date_range('20170401', '20170410'))

>>> df
               vals
2017-04-01     9
2017-04-02     8
2017-04-03     4
2017-04-04     5
2017-04-05     9
2017-04-06     9
2017-04-07     5
2017-04-08     3
2017-04-09     3
2017-04-10     1

例如,我所知道的特定日期在我的索引中,但不知道其位置

cur_dt = df.index[np.random.randint(0, df.index.size)]

>>> cur_dt
Timestamp('2017-04-05 00:00:00', freq='D')

鉴于cur_dt,我想确定索引中的上一个和下一个值是什么.应该cur_dt是我的索引中的第一个(最后一个)值,那么前一个(下一个)元素应该是cur_dt它自己.

回顾一下,我的问题是,在给定当前值的情况下,找到索引中的上一个和下一个值(或者如果它是一个端点的当前值本身)的最简单方法是什么？

我目前的做法似乎相当迂回,这是我提出要求的动机.

cur_iloc = df.index.get_loc(cur_dt)
prev = cur_dt if cur_iloc == 0 else df.index[cur_iloc-1]
next = cur_dt if cur_iloc == df.index.size-1 else df.index[cur_iloc+1]

>>> prev
Timestamp('2017-04-04 00:00:00', freq='D')
>>> …

我是 range-v3 库的完整初学者。假设我想std::array在某个时间间隔内用随机数填充 a 。

使用迭代器，我会做类似这个答案的事情，将迭代器std::array作为参数传递给我的问题。

template< class Iter >
void fill_with_random_int_values( Iter start, Iter end, int min, int max)
{
    static std::random_device rd;    // you only need to initialize it once
    static std::mt19937 mte(rd());   // this is a relative big object to create

    std::uniform_int_distribution<int> dist(min, max);

    std::generate(start, end, [&] () { return dist(mte); });
}

对于 range 库，我想使用ranges::view::generate_n, 和一个一元函数，该函数生成一个随机数以及数组的大小。

auto random_num() -> int {
  static std::mt19937 engine{std::random_device{}()};
  static std::uniform_int_distribution<int> dist(1, 10); …

在使用cookiecutter设置并使用xsimd启用S​​IMD内部函数之后，我尝试了xtensor-python，并开始编写一个非常简单的sum函数。

inline double sum_pytensor(xt::pytensor<double, 1> &m)
{
  return xt::sum(m)();
}
inline double sum_pyarray(xt::pyarray<double> &m)
{
  return xt::sum(m)();
}

用于setup.py构建我的Python模块，然后与比较，测试了从np.random.randn不同大小构造的NumPy数组上的求和函数np.sum。

import timeit

def time_each(func_names, sizes):
    setup = f'''
import numpy; import xtensor_basics
arr = numpy.random.randn({sizes})
    '''
    tim = lambda func: min(timeit.Timer(f'{func}(arr)',
                                        setup=setup).repeat(7, 100))
    return [tim(func) for func in func_names]

from functools import partial

sizes = [10 ** i for i in range(9)]
funcs = ['numpy.sum',
         'xtensor_basics.sum_pyarray',
         'xtensor_basics.sum_pytensor']
sum_timer = …

我有一个具有以下结构的示例。

??? CMakeLists.txt
??? ext
?   ??? pybind11
??? main.cpp

CMakeLists.txt

cmake_minimum_required(VERSION 3.5)
project(notworking)
add_subdirectory(ext/pybind11)
add_executable(notworking
  main.cpp)
target_link_libraries(notworking PRIVATE python3.6m)
target_link_libraries(notworking PRIVATE pybind11)

主程序

#include <pybind11/pybind11.h>

namespace py = pybind11;

int main() { py::object decimal = py::module::import("decimal"); }

现在在运行时

?? ./notworking
[1]    14879 segmentation fault (core dumped)  ./notworking

我错过了什么才能让这个模块在这里正确加载？我已经搜索了文档，特别是构建系统部分，但发现是空的。

在 C++ 的 pybind11 中使用其他包装器时，对我来说似乎也是这种情况。