小编Oli*_*via的帖子

我有一个包含不同表（结构都相同）的数据库，我想在其中运行一个存储过程，该过程具有一个定义要查询哪个表的参数。

我似乎无法弄清楚：

CREATE SCHEMA test;
GO

首先我创建了一个架构

CREATE TYPE DataType as TABLE (
    [datetime] [datetime] NULL,
    [testVar] [bigint] NULL)
   GO

然后我创建了表类型

USE [TestDataFiles]
GO

SET ANSI_NULLS ON
GO

SET QUOTED_IDENTIFIER ON
GO


CREATE PROCEDURE [test].[testing]
(
    -- Add the parameters for the stored procedure here
    @datetime datetime,
    @t DataType READONLY

)
AS
BEGIN
    -- SET NOCOUNT ON added to prevent extra result sets from
    -- interfering with SELECT statements.
    SET NOCOUNT ON


select top(10) * 
from @t
where [datetime] > …

我将dput列表的底部放在底部，以便q可以重现。dput是anot x。

我有一个很大的嵌套列表x，我试图从中构建数据框，但无法弄清楚。

我已经完成了第一部分：

for(i in 1:3){a[[i]]<-x$results[[i]]$experiences
indx <- lengths(a)
zz <- as.data.frame(do.call(rbind,lapply(a, `length<-`, max(indx))))}

为此，我使用以下答案： 将嵌套列表（长度不等）转换为数据帧

这给我留下了一个带有n列的data.frame作为结果，其中n是任何i的最大结果：

  v1   v2   v3
1 NULL NULL NULL
2  *    *    *
3 NULL NULL NULL

每个*是另一个嵌套列表，格式为 list(experience = list(duration = ...

例如，第*2行第v1列。我不要总数。我只想要：

a[[2]][[1]]$experience$start

或就原始列表而言：

x$results[[2]]$experiences[[1]]$experience$start

我觉得我快要调整了。我试过了：

for(i in 1:3){a[[i]]<-x$results[[i]]$experiences
indx <- lengths(a)
for(y in 1:length(a[[i]])) aa <- rbind(aa,tryCatch(x$results[[i]]$experiences[[y]]$experience$start, error=function(e) print(NA)))
zz <- as.data.frame(do.call(rbind,lapply(aa, `length<-`, max(indx))))}

导致：

  v1     v2     v3
1  NA     NA     NA …

In R there is a function called assign which assigns a value to a name in the environment.

EG:

assign("Hello", 2)
> Hello
[1] 2

In python I can't seem to do the same. I initially tried:

import numpy as np
import pandas as pd
import os

for file in os.listdir('C:\\Users\\Olivia\\Documents'):
    if file.endswith(".csv"):
        os.path.splitext(file)[0] = pd.read_csv('C:\\Users\\Olivia\\Documents\\' + file)

But I can see this is trying to make a string equal to a file which doesn't work.

I managed to get …

我想根据新近度为我的训练数据添加权重。

如果我们看一个简单的例子：

import matplotlib.pyplot as plt
import numpy as np
from sklearn.preprocessing import PolynomialFeatures, normalize
from sklearn.linear_model import LinearRegression

X = np.array([1,2,3,4,5,6,7,8,9,10]).reshape(-1,1)
Y = np.array([0.25, 0.5, 0.75, 1, 1.5, 2, 3, 4, 6, 10]).reshape(-1,1)

poly_reg = PolynomialFeatures(degree=2)
X_poly = poly_reg.fit_transform(X)
pol_reg = LinearRegression()
pol_reg.fit(X_poly, Y)

plt.scatter(X, Y, color='red')
plt.plot(X, pol_reg.predict(poly_reg.fit_transform(X)), color='blue')

现在假设 X 值是基于时间的，而 Y 值是传感器的快照。所以我们正在对一些行为进行建模。我相信最新的数据点是最重要的，因为它们是最新的，并且最能代表未来的行为。我想调整我的模型，使最新的数据点权重最高。

在 R 中有一个关于这样做的问题：https : //stats.stackexchange.com/questions/196653/assigning-more-weight-to-more-recent-observations-in-regression

我想知道 sklearn 包（或任何其他 python 包）是否具有此功能？

此加权模型将具有类似的曲线，但会更好地拟合较新的点。如果我想用这个模型来预测未来，非加权模型的预测总是过于保守，因为它们对最新数据不那么敏感。

除了使用这种方法，我还使用了 curve_fit 来使用幂函数或指数函数：

from scipy.optimize import curve_fit

def func(x, a, b):
    return …

我想将列表更改为数据框的一个单元格。

  list <- list(1,2,3,4,5)

View(list)

[[1]]
[1] 1

[[2]]
[1] 2

[[3]]
[1] 3

[[4]]
[1] 4

[[5]]
[1] 5

我想对其进行改造，使其看起来像：

          x
1 1,2,3,4,5

原因是因为我有一个循环将每次迭代的结果存储在列表中，但每次迭代我只需要一个单元格。

还有其他列，每次迭代只有一个结果。因此将其保存在数据框中很容易。但对于具有多个结果的指标，我不需要多列或多行。

因此，我将有两个可以使用的数据框cbind，这样我的最终数据框将如下所示：

          x y
1 1,2,3,4,5 a
2     5,4,3 b