小编Chr*_* T.的帖子

强文本我在安装包时不断遇到问题tidyverse，这使我无法执行许多文本处理任务。这个问题与 2017 年以来许多以前的线程中提到的问题相同，当我输入library(tidyverse)或尝试打开其他相关包时，他们总是说它需要 0.2.1 版本的vctrs. 我尝试过使用remote下载或下载其他临时版本但无济于事。有人可以帮我解决这个问题吗？

我正在使用最新版本的 R（版本 3.6.1），在 Rstudio 1.2.5033 上运行。我还更新了我的vctrs包。

install.packages("tidyverse")\ndevtools::install_github("tidyverse/tidyverse")\nlibrary(tidyverse)\nError: package or namespace load failed for \xe2\x80\x98tidyverse\xe2\x80\x99 in loadNamespace(i, c(lib.loc, .libPaths()), versionCheck = vI[[i]]):\n namespace \xe2\x80\x98vctrs\xe2\x80\x99 0.2.0 is already loaded, but >= 0.2.1 is required\nIn addition: Warning message:\npackage \xe2\x80\x98tidyverse\xe2\x80\x99 was built under R version 3.6.2 \n\n\nlibrary(devtools)\ndevtools::install_github("tidyverse/tidyverse")\nlibrary(tidyverse)\nError: package or namespace load failed for \xe2\x80\x98tidyverse\xe2\x80\x99 in loadNamespace(i, c(lib.loc, .libPaths()), versionCheck = vI[[i]]):\n namespace \xe2\x80\x98vctrs\xe2\x80\x99 0.2.0 is …

我在部分文本数据上使用了来自sklearn的TfidfVectorizer（），以了解每个功能（词）的术语频率感。我当前的代码如下

from sklearn.feature_extraction.text import TfidfVectorizer
tfidf = TfidfVectorizer(analyzer='word', stop_words = 'english')

# fit_transform on training data
X_traintfidf = tfidf.fit_transform(X_train)

如果我想将“ X_traintfidf”中每个术语的tf-idf值从最低到最高排序（反之亦然），例如top10，并将这些排序的tf-idf值排名分为两个Series对象，我应该如何进行从我的代码的最后一行开始？

谢谢。

我在读类似的主题，但不知道该怎么做。也许有人可以将该主题中显示的提示与此处的问题联系起来。

我正在尝试将我手动创建的列表对象保存为list我可以快速引用的格式。\n保存的对象应该能够作为listnotdf或其他任何内容加载回来。

下面是我的列表对象的一部分：

citations <- list(\nas.integer(c(1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 111)),\nas.integer(c(2, 3, 4, 5, 6, 7, 8, 9, 10, 111)),\nas.integer(c(1, 3, 4, 5, 6, 7, 8, 9, 10, 111)),\nas.integer(111),\nas.integer(111),\nas.integer(111),\nas.integer(111),\nas.integer(111),\nas.integer(111),\nas.integer(111),\nas.integer(111),\nas.integer(6),\ninteger(0),\nas.integer(c(14, 15, 16, 17, 18, 19, 20, 21, 22, 23))\n)\n

我已经引用了这个线程和nabble上的一个更早的线程，他们建议简单地使用saveand load，但我只是无法弄清楚它是如何工作的，每当我在对象save()上应用该函数list并为其指定一个 R 对象时，我总是收到错误消息。

save(citations, "/~citations.Rdata")\nError in save(citations, "~/citations.Rdata") : object \xe2\x80\x98~/citations.Rdata\xe2\x80\x99 not found\n

只是不知道是否需要其他函数调用。

我正在使用 kaggle 的 pokemon 数据通过 练习 KNN 插补preProcess()，但是当我这样做时，我在这predict()一步之后遇到了以下消息。我想知道我是否使用了不正确的数据格式，或者某些列是否具有不适当的“类”。下面是我的代码。

library(dplyr)
library(ggplot2)
library(tidyr)
library(reshape2)
library(caret)
library(skimr)
library(psych)
library(e1071)
library(data.table)


pokemon <- read.csv("https://www.dropbox.com/s/znbta9u9tub2ox9/pokemon.csv?dl=1")

pokemon = tbl_df(pokemon)

# select relevant features

df <- select(pokemon, hp, weight_kg, height_m, sp_attack, sp_defense, capture_rate)

pre_process_missing_data <- preProcess(df, method="knnImpute")
classify_legendary <- predict(pre_process_missing_data, newdata = df)

我收到了这个错误信息

Error: Must subset rows with a valid subscript vector.
x Subscript `nn$nn.idx` must be a simple vector, not a matrix.
Run `rlang::last_error()` to see where the error occurred.

我想将四个时间序列的均值绘制到具有置信区间的Matplotlib条形图中。我也想给它们涂上不同的颜色，以生成这样的条形图

所以我写了下面的代码：

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt

np.random.seed(12345)
df = pd.DataFrame([np.random.normal(-10, 200, 100), 
                   np.random.normal(42, 150, 100), 
                   np.random.normal(0, 120, 100), 
                   np.random.normal(-5, 57, 100)], 
                  index=[2012, 2013, 2014, 2015])
years = ('2012', '2013', '2014', '2015')
y_pos = np.arange(len(years))
df1_mean = df.iloc[0].mean()
df1_std = df.iloc[0].std()
df2_mean = df.iloc[1].mean()
df2_std = df.iloc[1].std()
df3_mean = df.iloc[2].mean()
df3_std = df.iloc[2].std()
df4_mean = df.iloc[3].mean()
df4_std = df.iloc[3].std()

value = (df1_mean, df2_mean, df3_mean, df4_mean)
Std = (df1_std, df2_std, df3_std, df4_std)

plt.bar(y_pos, value, …

我正在研究一个属于两种类型的小型示例节点集{'human', 'machine'}，我想以字典形式在networkx图的每个节点之外标记节点属性，例如下图中的节点c，e，j中所示的那些。（我使用MS Word在图形上添加了字典类型的属性。）：

基本图是使用以下代码生成的：

import networkx as nx
G = nx.Graph()
G.add_nodes_from(['a', 'b', 'c', 'd', 'e', 'f', 'g'], type = 'machine')
G.add_nodes_from(['h', 'i', 'j'], type = 'human')
G.add_edges_from([('a', 'c'), ('a', 'b'), ('a', 'd'), ('a', 'f'), ('b', 'd'), ('b', 'e'), ('b', 'g'), ('c', 'f'), ('c', 'd'), ('d', 'f'), ('d', 'e'), ('d', 'g'), ('e', 'g'), ('f', 'g'), ('f', 'h'), ('g', 'h'), ('h', 'i'), ('i', 'j')])

def plot_graph(G, weight_name=None):
    import matplotlib.pyplot as plt

    plt.figure()
    pos = nx.spring_layout(G)
    edges = …

我有pandas.DataFrame各种日期时间格式的日期列，并存储为列表对象，如下所示：

            date
1    [May 23rd, 2011]
2    [January 1st, 2010]
    ...
99   [Apr. 15, 2008]
100  [07-11-2013]
    ...
256  [9/01/1995]
257  [04/15/2000]
258  [11/22/68]
    ...
360  [12/1997]
361  [08/2002]
     ...
463  [2014]
464  [2016]

为了方便起见，我想将它们全部转换为MM/DD/YYYY格式。似乎无法使用regex replace（）函数来执行此操作，因为无法对列表对象执行此操作。另外，对每个单元使用strptime（）会很费时。

将它们全部转换为所需MM/DD/YYYY格式的更简单方法是什么？我发现很难对数据框内的列表对象执行此操作。

注意：对于格式为[YYYY]（例如[2014]和[2016]）的单元格值，我将假定它们是该年的第一天（即1968年1月1日），对于诸如[08/2002]（或[8/2002]）的单元格值，我将假定它们为第一天该年当月（即2002年8月1日）的日期。

在提出这个问题之前，我不得不说，我已经在此板上彻底阅读了15个以上的相似主题，每个主题都有不同的建议，但是所有这些都无法使我正确。

好的，所以我使用CountVectorizer及其“ fit_transform”函数将语料库的文本数据（最初为csv格式）分为训练集和测试集，以适应语料库的词汇量并从文本中提取字数统计功能。然后，我应用MultinomialNB（）从训练集中学习并预测测试集。这是我的代码（简体）：

from sklearn.feature_extraction.text import CountVectorizer
from sklearn.cross_validation import train_test_split
from sklearn.naive_bayes import MultinomialNB

# loading data 
# data contains two columns ('text', 'target')

spam = pd.read_csv('spam.csv')
spam['target'] = np.where(spam_data['target']=='spam',1,0)

# split data
X_train, X_test, y_train, y_test = train_test_split(spam_data['text'], spam_data['target'], random_state=0) 

# fit vocabulary and extract word count features
cv = CountVectorizer()
X_traincv = cv.fit_transform(X_train)  
X_testcv = cv.fit_transform(X_test)

# learn and predict using MultinomialNB
clfNB = MultinomialNB(alpha=0.1)
clfNB.fit(X_traincv, y_train)

# so far so good, but when I predict on …

我正在从电子邮件文本列表（以 csv 格式存储）中对垃圾邮件进行分类，但在此之前，我想从输出中获取一些简单的计数统计信息。我使用 sklearn 的 CountVectorizer 作为第一步，并通过以下代码实现

import pandas as pd
import numpy as np
from sklearn.model_selection import train_test_split
from sklearn.feature_extraction.text import CountVectorizer

#import data from csv

spam = pd.read_csv('spam.csv')
spam['Spam'] = np.where(spam['Spam']=='spam',1,0)

#split data

X_train, X_test, y_train, y_test = train_test_split(spam_data['text'], spam_data['target'], random_state=0) 

#convert 'features' to numeric and then to matrix or list
cv = CountVectorizer()
x_traincv = cv.fit_transform(X_train)
a = x_traincv.toarray()
a_list = cv.inverse_transform(a)

输出以矩阵（名为“a”）或数组列表（名为“a_list”）格式存储，如下所示

[array(['do', 'I', 'off', 'text', 'where', 'you'], 
       dtype='<U32'),
 array(['ages', 'will', 'did', 'driving', 'have', 'hello', 'hi', …

我正在尝试使用以下代码从包含nonetype的列表对象中获取最大值:

import numpy as np

LIST = [1,2,3,4,5,None]
np.nanmax(LIST)

但我收到此错误消息

'>=' not supported between instances of 'int' and 'NoneType'

显然np.nanmax()不适用None.从包含None值的列表对象中获取最大值的替代方法是什么？