小编Wil*_*iam的帖子

我正在使用 python 获取 5 分钟前的时间。

代码：

import datetime
import time
now = datetime.datetime.now()

current_time = now.strftime(f"%Y-%m-%d %H:%M")

print(current_time)

2020-07-27 08:35:00

我的问题是如何获得 5 分钟前的时间。

就像是

current_time-5mins

代码：

from plotly.offline import init_notebook_mode, iplot, iplot_mpl
    
def plot_train_test(train, test, date_split):
    data = [Candlestick(x=train.index, open=train['open'], high=train['high'], low=train['low'], close=train['close'],name='train'),
           Candlestick(x=test.index, open=test['open'], high=test['high'], low=test['low'], close=test['close'],name='test')
            ]
            layout = {
                'shapes': [
                    {'x0': date_split, 'x1': date_split, 'y0': 0, 'y1': 1, 'xref': 'x', 'yref': 'paper',
                     'line': {'color': 'rgb(0,0,0)', 'width': 1}}],
                'annotations': [{'x': date_split, 'y': 1.0, 'xref': 'x', 'yref': 'paper', 'showarrow': False, 'xanchor': 'left','text': ' test data'},
                    {'x': date_split, 'y': 1.0, 'xref': 'x', 'yref': 'paper', 'showarrow': False, 'xanchor': 'right', 'text': 'train data '}] }
            figure …

在Vue.js中：

默认情况下，v-model在每个输入事件之后将输入与数据同步（除了如上所述的IME组成）。您可以添加lazy修饰符以在更改事件后进行同步：

<!-- synced after "change" instead of "input" -->
<input v-model.lazy="msg" >

react有类似的修饰符或功能吗？在官方文档的哪一部分？

我的 Django 网站使用 Nginx 托管在 digitalocean ubuntu 16.04 中。

我已经在这里设置了 digitalocean CORS 配置https://www.digitalocean.com/docs/spaces/how-to/cors/我在“来源”中添加了我的域名，检查了“允许的方法”中的所有选项，我唯一没有做的就是在“Alowed Headers”中添加标题，因为我不知道要添加什么。

当我使用 digitalocean Spaces（一种基于并与 Amazon S3 非常相似的服务）作为我的静态和媒体文件存储时。请求的资源错误中不存在“Access-Control-Allow-Origin”标头：

CORS 政策已阻止从来源“ https://kjmg.co ”访问“ https://nyc3.digitaloceanspaces.com/kjmgstorage/kjmgstorage/fonts/fontawesome-webfont.woff2?v=4.7.0 ”上的字体：请求的资源上不存在“Access-Control-Allow-Origin”标头。因此，不允许访问Origin ' https://kjmg.co '。

我尝试使用 django-cors-headers，但我收到：

502 错误网关 nginx/1.10.3 (Ubuntu)

所以只好卸载了。

有朋友知道吗？非常感谢！

我已经训练了一个 LSTM 网络来预测股票价格。但我不知道如何保存和恢复它。

以下是我的代码：

CONST_TRAINING_SEQUENCE_LENGTH = 12
CONST_TESTING_CASES = 5


def dataNormalization(data):
    return [(datum - data[0]) / data[0] for datum in data]


def dataDeNormalization(data, base):
    return [(datum + 1) * base for datum in data]


def getDeepLearningData(ticker):
    # Step 1. Load data
    data = pandas.read_csv('./data/Intraday/' + ticker + '.csv')[
        'close'].tolist()
    # Step 2. Building Training data
    dataTraining = []
    for i in range(len(data) - CONST_TESTING_CASES * CONST_TRAINING_SEQUENCE_LENGTH):
        dataSegment = data[i:i + CONST_TRAINING_SEQUENCE_LENGTH + 1]
        dataTraining.append(dataNormalization(dataSegment))

    dataTraining = numpy.array(dataTraining)
    numpy.random.shuffle(dataTraining)
    X_Training …

我正在合并 2 个 dfs，df1 和 df2，虽然不匹配，但结果将为 Nan，但我需要它默认为 0。

df1 = pd.merge(df1, df2, left_on='MortTab', right_on='MortTab', how='left',suffixes=(' ', ''))

现在我用这种方式将Nan转换为0：

for i in ['col1','col2','col3']: #columns that I want to check the values are NaN or not
    df1[i] = np.where(df1[i].isnull(), 0, df_ia[i])  #if it's NaN, convert it to 0,or keep the same

我手动循环每个列值来检查，如果该值是 NaN ，如果是，将其转换为 0 ，如果否保持不变。

有更好的方法吗？

代码：

df['Rep'] = df['Rep'].str.replace('\\n', ' ')

问题：如果 df['Rep'] 为空或 null ，则会出现错误：

Failed: Can only use .str accessor with string values!

无论如何可以处理列值为空或为空时的情况吗？如果为空或 null ，则忽略该行

我有一个这样的数据结构：

    [ {'SNAPSHOT': {'SnapshotVersion': '304'}},

      {'SNAPSHOT': {'SnapshotCreationDate': '2015-06-21 17:33:41'}},


      {'CafeData': {'CafeVersion': '2807'}}, 

      {'CafeData': {'IsSoftwareOnly': '1'}}, 

      {'CafeData'{'IsPassportTCPIP': '1'}} 

]

输出应该是这样的：

 [ {'SNAPSHOT': {'SnapshotVersion': '304','SnapshotCreationDate': '2015-06-21 17:33:41'}},

   {'CafeData': {'CafeVersion': '2807','IsSoftwareOnly': '1','IsPassportTCPIP': '1'}} 
 
]

我在 python 中使用 selenium，现在我想通过元素 id 名称的一部分来定位元素，我该怎么办？

例如，现在我已经通过 id 名称coption5找到了一个项目：

sixth_item = driver.find_element_by_id("coption5")

无论如何我只能通过使用coption来定位这个元素吗？

我有一个表 my_table：

case_id    first_created  last_paid       submitted_time
   3456    2021-01-27     2021-01-29      2021-01-26 21:34:36.566023+00:00
   7891    2021-08-02     2021-09-16      2022-10-26 19:49:14.135585+00:00
   1245    2021-09-13     None            2022-10-31 02:03:59.620348+00:00
   9073    None           None            2021-09-12 10:25:30.845687+00:00
   6891    2021-08-03     2021-09-17      None

我创建了 2 个新变量：

case_id    first_created  last_paid       submitted_time
   3456    2021-01-27     2021-01-29      2021-01-26 21:34:36.566023+00:00
   7891    2021-08-02     2021-09-16      2022-10-26 19:49:14.135585+00:00
   1245    2021-09-13     None            2022-10-31 02:03:59.620348+00:00
   9073    None           None            2021-09-12 10:25:30.845687+00:00
   6891    2021-08-03     2021-09-17      None

输出：

  case_id    first_created  last_paid       submitted_time               create_duration paid_duration
   3456    2021-01-27     2021-01-29      2021-01-26 21:34:36.566023+00:00     1                3
   7891    2021-08-02     2021-09-16      2022-10-26 19:49:14.135585+00:00 …