小编efs*_*see的帖子

当我尝试从 PyCharm 中的 GitHub 克隆时，我收到此“Error Running Git”消息，它显示“无法运行程序“/usr/local/bin/git: error=2，没有这样的文件或目录”。我想我需要配置“git可执行文件的路径”？但我不知道怎么做，我对使用git很陌生。而且这种情况最近才发生，在我最近更新了PyCharm之后。

更新：放入新路径后，出现新错误：

我有一个大数据框，其中包含大约 7,000,000 行时间序列数据，如下所示

timestamp               | values 
2019-08-01 14:53:01     | 20.0
2019-08-01 14:53:55     | 29.0
2019-08-01 14:53:58     | 22.4
...
2019-08-02 14:53:25     | 27.9

我想为每行创建一个滞后版本 1 天的列，因为我的时间戳不完全匹配，所以我无法使用正常方法shift()。结果将是这样的：

timestamp               | values | lag
2019-08-01 14:53:01     | 20.0   | Nan
2019-08-01 14:53:55     | 29.0   | Nan
2019-08-01 14:53:58     | 22.4   | Nan
...
2019-08-02 14:53:25     | 27.9   | 20.0

我发现了一些与获取与给定时间最接近的时间戳相关的帖子：Find close row of DataFrame to给定时间 in Pandas并尝试了这些方法，它可以完成工作，但运行时间太长，这就是我所拥有的：

def get_nearest(data, timestamp):
    index = data.index.get_loc(timestamp,"nearest")
    return data.iloc[index, 0]
df['lag'] = [get_nearest(df, …

我有一个像这样的数据框：

customer_id | date     | category
1           | 2017-2-1 | toys
2           | 2017-2-1 | food
1           | 2017-2-1 | drinks
3           | 2017-2-2 | computer
2           | 2017-2-1 | toys
1           | 2017-3-1 | food

>>> import pandas as pd
>>> dt = dict(customer_id=[1,2,1,3,2,1],
              date='2017-2-1 2017-2-1 2017-2-1 2017-2-2 2017-2-1 2017-3-1'.split(),
              category=["toys", "food", "drinks", "computer", "toys", "food"])) 
>>> df = pd.DataFrame(dt)

使用我的新列和对这些列进行热编码，我知道我可以使用df.pivot_table(index = ['customer_id'], columns = ['category']).

>>> df['Indicator'] = 1 
>>> df.pivot_table(index=['customer_id'], columns=['category'],
                   values='Indicator').fillna(0).astype(int)                                                             
category     computer  drinks …

我正在使用 databricks 并尝试读取这样的 csv 文件：

df = (spark.read      
  .option("header", "true")
  .option("inferSchema", "true")
  .csv(path_to_my_file)
)

我收到错误：

AnalysisException: 'Unable to infer schema for CSV. It must be specified manually.;'

我检查过我的文件不为空，并且我还尝试自己指定架构，如下所示：

schema = "datetime timestamp, id STRING, zone_id STRING, name INT, time INT, a INT"
df = (spark.read      
  .option("header", "true")
  .schema(schema)
  .csv(path_to_my_file)
)

但是当尝试使用 display(df) 查看它时，它只是在下面给了我这个，我完全迷失了，不知道该怎么办。

df.show() and df.printSchema()给出以下结果：

看起来数据没有被读入数据帧。

错误快照：

我想编写一个从深层嵌套元组和列表中提取元素的函数,比方说我有这样的东西

l = ('THIS', [('THAT', ['a', 'b']), 'c', ('THAT', ['d', 'e', 'f'])])

我想要一个没有'THIS'和'THAT'的平面列表:

list = ['a', 'b', 'c', 'd', 'e', 'f']

这是我到目前为止所拥有的:

def extract(List):
    global terms
    terms = []
    for i in word:
        if type(i) is not str:
            extract(i)
        else:
            if i is not "THIS" and i is not "THAT":
                terms.append(i)
    return terms

但我一直在接受list = ['d', 'e', 'f'],看起来terms = []循环后再次设置'c'.

databricks 和 Spark 新手，我尝试运行以下命令并遇到此错误

spark.databricks.delta.retentionDurationCheck.enabled= "false"

错误：'SparkSession' object has no attribute 'databricks'