小编Bra*_*mon的帖子

如何让协程因超时而停止？

我不明白为什么 asyncio.wait_for() 对我不起作用。我有这样一段代码（计划实现 telnet 客户端）：

def expect(self, pattern, timeout=20): 
    if type(pattern) == str:
        pattern = pattern.encode('ascii', 'ignore')        
    return self.loop.run_until_complete(asyncio.wait_for(self.asyncxpect(pattern), timeout))

async def asyncxpect(self, pattern): #receives data in a cumulative way until match is found
    regexp = re.compile(b'(?P<payload>[\s\S]*)(?P<pattern>%s)' %pattern)
    self.buffer = b''
    while True:
        # add timeout
        # add exception handling for unexpectedly closed connections
        data = await self.loop.sock_recv(self.sock, 10000) 
        self.buffer += data
        m = re.match(regexp, self.buffer)
        if m:
            payload = m.group('payload')
            match = m.group('pattern')
            return payload, match 

正如我所认为的，这段代码在某个时刻（在等待语句中）将控制权返回给事件循环。我认为当没有更多数据可以接收时应该发生这种情况。如果事件循环有控制权，它可以超时停止。

但是，如果服务器没有发送任何有用的（匹配的）我的代码就会在这个循环中绊倒，就在等待点。 …

我一直在四处阅读熊猫文档here并尝试从here和here周围发布的问题中尝试不同的代码行，我似乎无法摆脱带有复制警告的设置。我更愿意学习以“正确”的方式对其进行编码，而不是仅仅忽略警告。

以下代码行在 for 循环中，我不想多次生成此警告，因为它可能会减慢速度。

我正在尝试创建一个名称为：'E'+vs 的新列，其中 vs 是 for 循环中列表中的一个字符串

但是对于他们中的每一个，我仍然收到以下警告，即使是最后 3 行：

SettingWithCopyWarning: A value is trying to be set on a copy of a slice from a DataFrame.
Try using .loc[row_indexer,col_indexer] = value instead

以下是我迄今为止尝试过的麻烦行：

#based on research, the first two seem to be the "wrong" way

df_out['E'+vs] = df_out[kvs].rolling(v).mean().copy()
df_out['E'+vs] = df_out[kvs].rolling(v).mean()

df_out.loc[:,'E'+vs] = df_out[kvs].rolling(v).mean().copy()
df_out.loc[:,'E'+vs] = df_out[kvs].rolling(v).mean()
df_out.loc[:,'E'+vs] = df_out.loc[:,kvs].rolling(v).mean()

另一个给出 SettingWithCopyWarning 的是这样的：

df_out.dropna(inplace=True,axis=0)

这个也发出了警告（但我认为这个会）

df_out = df_out.dropna(inplace=True,axis=0)

如何正确执行这两个操作？ …

在这里我问了如何在线性模型中计算 AIC。如果我用LinearRegression()方法替换方法linear_model.OLS以获得 AIC，那么如何计算 OLS 线性模型的斜率和截距？

import statsmodels.formula.api as smf
regr = smf.OLS(y, X, hasconst=True).fit()

PEP 8规定

常量通常在模块级别定义，并全部用大写字母书写，并用下划线分隔单词。示例包括 MAX_OVERFLOW和TOTAL。

我知道这只是一个命名约定，但我很想知道是否有一个官方或广泛接受的定义来定义常量与半私有变量的实际构成。

这是否仅限于您所谓的数学常数？（即float、int、complex）

或者它会包括datetime.date在模块级别定义的对象或字符串之类的东西吗？具有混合类型的键/值的字典怎么样？如果答案是否定的，这些类型的对象是否应该像（准）私有变量一样定义_leading_underscore？

我必须找到从 hdf5 文件中读取的 NumPy 数组的模式。NumPy 数组是 1d，包含浮点值。

my_array=f1[ds_name].value    
mod_value=scipy.stats.mode(my_array)

我的数组是 1d，包含大约 1M 个值。我的脚本需要大约 15 分钟才能返回模式值。有什么办法可以让它更快吗？

另一个问题是为什么scipy.stats.median(my_array)模式有效时不起作用？

AttributeError: 模块 'scipy.stats' 没有属性 'median'

我有一个分类变量和两个数字列：

np.random.seed(123)    
df = pd.DataFrame({'group' : ['a']*10+['b']*10,
                   'var1' : np.random.randn(20),
                   'var2' : np.random.randint(10,size=20)})

我想通过 找到过滤后group的平均值，var1以按 group限制df到前四分位var2数值。也就是说，每个组的阈值是：

thresh = df.groupby('group')['var2'].quantile(0.75)

for group, frame in df.groupby('group'):
    print(frame[frame.var2 >= frame.var2.quantile(0.75)].var1.mean())
# -1.4713362407192072
# 0.15512098976530683