小编Mar*_*hke的帖子

我正在寻找一种有效的方法来用python确定两个浮点数的最大公约数。该例程应具有以下布局

gcd(a, b, rtol=1e-05, atol=1e-08)
"""
Returns the greatest common divisor of a and b

Parameters
----------
a,b : float
    two floats for gcd
rtol, atol : float, optional
    relative and absolute tolerance

Returns
-------
gcd : float
    Greatest common divisor such that for x in [a,b]:
    np.mod(x,gcd) < rtol*x + atol 

.. _PEP 484:
    https://www.python.org/dev/peps/pep-0484/

"""

示例：有理数和无理数的gcd

本gcd(1., np.pi, rtol=0, atol=1e-5)应返回（大约）1e-5，如

In [1]: np.mod(np.pi,1e-5)
Out[1]: 2.6535897928590063e-06

In [2]: np.mod(1.,1e-5)
Out[2]: 9.9999999999181978e-06

我宁愿使用库实现而不是自己编写它。该fractions.gcd功能似乎不适合我在这里，因为我不希望与分工作，它（显然）不具有耐受性的参数。

问题：

matplotlib.path中函数 contains_point 中的 radius 参数定义不一致。此函数检查指定点是否位于闭合路径的内部或外部。半径参数用于使路径变小/变大（取决于半径的符号）。这样，可以将靠近路径的点纳入考虑/不考虑。问题是，半径的符号取决于路径的方向（顺时针或逆时针）。（在我看来）不一致是存在的，因为在检查点是在路径内部还是外部时，路径的方向被忽略。从严格的数学意义上来说：路径上剩下的所有东西都包括在内。

简而言之：

如果路径逆时针方向，则正半径会考虑更多点。如果路径是顺时针方向，则正半径会考虑较少的点。

例子：

在以下示例中，检查了 3 种情况 - 每种情况都针对顺时针和逆时针路径：

1. 是一个包含正半径的点（靠近路径）
2. 是一个包含负半径的点（靠近路径）
3. 是否包含原点（位于两条路径的中间）

代码：

import matplotlib.path as path
import numpy as np


verts=np.array([[-11.5,  16. ],[-11.5, -16. ],[ 11.5, -16. ],[ 11.5,  16. ],[-11.5,  16. ]])

ccwPath=path.Path(verts, closed=True) 
cwPath=path.Path(verts[::-1,:], closed=True) 

testPoint=[12,0]


print('contains:         ','|\t', '[12,0], radius=3','|\t', '[12,0], radius=-3','|\t', '[0,0]|')

print('counterclockwise: ','|\t'
,'{0:>16s}'.format(str(ccwPath.contains_point(testPoint,radius=3) )),'|\t'
,'{0:>17s}'.format(str(ccwPath.contains_point(testPoint,radius=-3) )),'|\t'
,ccwPath.contains_point([0,0],radius=0) ,'|\t'
,'=> radius increases tolerance \t'
)

print('clockwise:        ','|\t'
,'{0:>16s}'.format(str(cwPath.contains_point(testPoint,radius=3) )),'|\t'
,'{0:>17s}'.format(str(cwPath.contains_point(testPoint,radius=-3) )),'|\t'
,cwPath.contains_point([0,0],radius=0) ,'|\t'
,'=> radius decreases tolerance …

我正在寻找一种将字典写入 Pandas DataFrame 行的单行解决方案。另一种方式非常直观地使用类似的表达式df.loc[2, :].to_dict(dct).

插图

我正在寻找一个镜头表达式来替换for key in dct.keys()以下代码中的-loop：

>>> import numpy as np
>>> import pandas as pd
>>> df = pd.DataFrame(np.arange(12).reshape(3,4), columns=list('abcd'))
>>> dct = {'a': 77, 'c':-1}
>>> 
>>> df
   a  b   c   d
0  0  1   2   3
1  4  5   6   7
2  8  9  10  11
>>> dct
{'a': 77, 'c': -1}
>>> 
>>> for key in dct.keys():
...     df.loc[1, key] = dct[key]
... 
>>> 
>>> df
    a  b …