小编LoL*_*oLa的帖子

嗨:我正在尝试使用该Pandas DataFrame.to_csv方法将文件保存dataframe到csv文件中:

filename = './dir/name.csv'

df.to_csv(filename)

但是我收到错误:

IOError: [Errno 2] No such file or directory: './dir/name.csv'

如果to_csv该文件不存在,该方法是否应该能够创建该文件？这就是我打算做的事情.

我最近根据他们的说明在我的 Linux 机器（安装了 Python 3.6）上安装了 Jupyter Notebook ：

python3 -m pip install --upgrade pip
python3 -m pip install jupyter

然而，当我跑

jupyter notebook

我收到以下错误：

Error executing Jupyter command 'notebook': [Errno 2] No such file or directory

如果我运行：

cd /usr/bin
ls -l | grep jupyter

结果是：

-rwxr-xr-x 1 root root         397 Feb 20 00:29 jupyter
-rwxr-xr-x 1 root root         413 Feb 20 00:29 jupyter-migrate
-rwxr-xr-x 1 root root         423 Feb 20 00:29 jupyter-troubleshoot

那里似乎没有“笔记本”脚本。

python3 -m pip list包括notebook …

我一直在使用scipy.optimize.minimize (docs)

当我定义一个不可能满足约束的问题时,我注意到了一些奇怪的行为.这是一个例子:

from scipy import optimize

# minimize f(x) = x^2 - 4x
def f(x):
    return x**2 - 4*x

def x_constraint(x, sign, value):
    return sign*(x - value)

# subject to x >= 5 and x<=0 (not possible)
constraints = []
constraints.append({'type': 'ineq', 'fun': x_constraint, 'args': [1, 5]})
constraints.append({'type': 'ineq', 'fun': x_constraint, 'args': [-1, 0]})

optimize.minimize(f, x0=3, constraints=constraints)

结果输出:

fun: -3.0
     jac: array([ 2.])
 message: 'Optimization terminated successfully.'
    nfev: 3
     nit: 5
    njev: 1
  status: 0
 success: True
       x: array([ …

给定具有以下结构的 DataFrame：

Date     | Site  | Measurement Type | Value
-----------------------------------------------
1/1/2020 | A     | Temperature      | 32.3
1/2/2020 | B     | Humidity         | 70%

我想创建一个 3D“数据透视表”，其中第一个轴代表站点，第二个代表日期，第三个代表测量类型，并且值存储在每个元素中。

例如，如果我在 5 个地点进行为期一周的每日测量，同时测量温度和湿度，则所需的输出将是一个形状为 (5, 7, 2) 的数组。

Pandas 似乎只支持创建 2D 数据透视表，但我很高兴只有一个未标记的 3D numpy 数组作为输出。在我花时间自己实现之前，想知道是否有一种简单的方法可以做到这一点。

我想知道如何在 DataFrame 中绘制时间序列，在同一轴上，每个组都有不同的线。我还想根据一些（布尔）条件更改线型。下面是一个例子：

import pandas as pd
import numpy as np
from datetime import datetime, timedelta
from dateutil.parser import parse
from matplotlib import pyplot as plt

df = pd.DataFrame({'value': np.random.rand(18), 
              'group': ['A']*9 + ['B']*9,
              'future': [0, 0, 0, 0, 0, 0, 1, 1, 1]*2}, 
         index=[parse('2018-1-5') + timedelta(days=i) for i in range(9)]*2)

结果数据帧：

            future group     value
2018-01-05       0     A  0.076445
2018-01-06       0     A  0.800821
2018-01-07       0     A  0.410351
2018-01-08       0     A  0.039647
2018-01-09       0     A  0.664102
2018-01-10       0     A  0.192097
2018-01-11 …