小编pet*_*ich的帖子

我想用matplotlib创建一个图形,我可以明确指定轴的大小,即我想设置轴bbox的宽度和高度.

我到处都看了,我找不到解决方案.我通常会发现如何调整整个图形的大小(包括刻度和标签),例如使用fig, ax = plt.subplots(figsize=(w, h))

这对我来说非常重要,因为我希望轴的比例为1:1,即纸中的1个单位实际上等于1个单位.例如,如果xrange为0到10,主刻度线= 1且x轴为10cm,则1主刻度= 1cm.我将这个数字保存为pdf,将其导入乳胶文档.

这个问题带来了类似的话题,但答案并没有解决我的问题(使用plt.gca().set_aspect('equal', adjustable='box')代码)

从另一个问题我看到可以获得轴的大小,但不能明确地修改它们.

任何想法我如何设置轴盒大小而不仅仅是图形大小.图形尺寸应适应轴尺寸.

谢谢!

对于那些熟悉乳胶中的pgfplots的人来说,它会喜欢与scale only axis选项类似的东西(例如见这里).

我试图通过从字典中获取路径来打开文件.一些文件名有逗号(,)和其他这样的字符,当使用时给出"没有找到这样的文件错误"

例如,以下文件路径将不会打开:foo,%20bar.mp3

如果存在逗号等字符,则应将其编码为:foo%2C%20bar.mp3

谁能告诉我怎么做？

我一直在尝试使用与weka机器学习库一起使用的Ibk最近邻算法.

我知道如何对实例进行分类,但我想实现协同过滤功能,因此我需要实际获取最接近感兴趣对象的实际对象列表.

我怎么在weka中使用它的Java API实际上这样做？

我想从另一个数据帧中减去一行中的所有行.(与一行的差异)

是否有捷径可寻？(比如df-df2)

df = pd.DataFrame(abs(np.floor(np.random.rand(3, 5)*10)),
...                 columns=['a', 'b', 'c', 'd', 'e'])
df

Out[18]:
   a  b  c  d  e
0  8  9  8  6  4
1  3  0  6  4  8
2  2  5  7  5  6


df2 = pd.DataFrame(abs(np.floor(np.random.rand(1, 5)*10)),
...                 columns=['a', 'b', 'c', 'd', 'e'])
df2

   a  b  c  d  e
0  8  1  3  7  5

这是一个适用于第一行的输出,但我希望其余的行也被删除...

df-df2

    a   b   c   d   e
0   0   8   5  -1  -1
1 NaN NaN NaN NaN NaN
2 NaN …

我正在使用Keras,我想使用logloss作为培训指标.我怎么能把它传递给我的模特？

我的代码如下:

model = Sequential()
model.add(Dense(output_dim=1000, input_dim=390, init='uniform'))
model.add(Activation("relu"))
model.add(Dropout(0.5))
model.add(Dense(output_dim=500, input_dim=1000, init="lecun_uniform"))
model.add(Activation("relu"))
model.add(Dropout(0.5))
model.add(Dense(output_dim=10, input_dim=300, init="lecun_uniform"))
model.add(Activation("sigmoid"))
model.add(Dropout(0.5))
model.add(Dense(output_dim=200, input_dim=10, init="lecun_uniform"))
model.add(Activation("relu"))
model.add(Dropout(0.5))
model.add(Dense(output_dim=100, input_dim=200, init ="glorot_normal"))
model.add(Activation("relu"))
model.add(Dropout(0.5))
model.add(Dense(output_dim=50, input_dim=100, init ="he_normal"))
model.add(Activation("sigmoid"))
model.add(Dropout(0.5))
model.add(Dense(output_dim=2, input_dim=50, init = "normal"))
model.add(Activation("softmax"))
model.compile(loss='binary_crossentropy',optimizer='rmsprop', metrics=['accuracy'])

model.fit(train.values, y1,  nb_epoch=10,
          batch_size=50000, verbose=2,validation_split=0.3, class_weight={1:0.96, 0:0.04})


proba = model.predict_proba(train.values)
log_loss(y, proba[:,1])

如何通过log_loss代替准确性？

我们面临的问题是,wit.ai几乎将每个数字都识别为一个位置.有时甚至作为DateTime,但几乎从不作为数字.我们试着教它1是数字,2是数字等,但它似乎没有选择,请看下面的截图:

我们做错了吗？

我正在尝试解析

<td height="16" class="listtable_1"><a href="http://steamcommunity.com/profiles/76561198134729239" target="_blank">76561198134729239</a></td>

对于76561198134729239.我无法弄清楚如何做到这一点.我试过的:

import requests
from lxml import html
from bs4 import BeautifulSoup
r = requests.get("http://ppm.rep.tf/index.php?p=banlist&page=154")
content = r.content
soup = BeautifulSoup(content, "html.parser")
element = soup.find("td", 
{
    "class":"listtable_1",
    "target":"_blank"
})
print(element.text)

我有一个熊猫数据框

   0     1     2
0  pass fail  warning
1  50    12    34

我正在尝试将第一行转换为类似这样的列名

   pass fail  warning
0  50    12    34

我目前正在通过重命名列名来做到这一点

 newdf.rename(columns={0: 'pass', 1: 'fail', 2:'warning'})

然后删除第一行。任何更好的方法来做到这一点。

我有一个包含文本的列。我必须替换（'：'，''）。

当我运行这段代码时：

df["text"] = [x.replace(':',' ') for x in df["text"]]

我面临这个错误：

AttributeError: 'float' object has no attribute 'replace'

AttributeError                            Traceback (most recent call 
last)
<ipython-input-13-3c116e6f21e2> in <module>
  1 #df["text"] = df["text"].astype(str)
----> 2 df["text"] = [x.replace(':',' ') for x in df["text"]]

<ipython-input-13-3c116e6f21e2> in <listcomp>(.0)
  1 #df["text"] = data["NOTES_ENT"].astype(str)
----> 2 df["text"] = [x.replace(':',' ') for x in df["text"]]

AttributeError: 'float' object has no attribute 'replace'

我有一个包含很多列的数据集

No  Name  Sex  Blood  Grade  Height  Study
1   Tom   M    O      56     160     Math
2   Harry M    A      76     192     Math
3   John  M    A      45     178     English
4   Nancy F    B      78     157     Biology
5   Mike  M    O      79     167     Math
6   Kate  F    AB     66     156     English
7   Mary  F    O      99     166     Science

我想把它改成那样

No  Name  Sex  Blood  Grade  Height  Study
1   Tom   0    0      56     160     0
2   Harry 0    1      76     192     0
3 …