小编Jac*_*tad的帖子

我有一个像下面这样的numpy数组:

Xtrain = np.array([[1, 2, 3],
                   [4, 5, 6],
                   [1, 7, 3]])

我想分别对每行的项进行随机播放,但不希望每行的shuffle相同(如在几个示例中只是随机播放列顺序).

例如,我想要一个如下输出:

output = np.array([[3, 2, 1],
                   [4, 6, 5],
                   [7, 3, 1]])

如何以有效的方式随机随机地随机移动每一行？我的实际np数组超过100000行和1000列.

我有两个字符串列表,如下所示:

test1 = ["abc", "abcdef", "abcedfhi"]

test2 = ["The", "silver", "proposes", "the", "blushing", "number", "burst", "explores", "the", "fast", "iron", "impossible"]

第二个列表更长,所以我想通过随机抽样将其下采样到第一个列表的长度.

def downsample(data):
    min_len = min(len(x) for x in data)
    return [random.sample(x, min_len) for x in data]

downsample([list1, list2])

但是,我想添加一个限制,即从第二个列表中选择的单词必须与第一个列表的长度分布相匹配.因此,对于随机选择的第一个单词,它必须与较短列表的第一个单词具有相同的长度.这里的问题是也不允许替换.

如何随机选择n(短列表的长度)元素,test2从中匹配字符长度分布test1？谢谢,杰克

我有一个如下数据框:

test = pd.DataFrame({'ID':[4, 5, 6, 6, 6, 7, 7, 7], 'val1':['one', 'one', 'two', 'two', 'three', np.nan, 'seven', 'seven'], 'val2':['hi', 'bye', 'hola', 'hola', 'hola', 'ciao', 'ciao', 'namaste'], 'val3':[3, 3, 4, np.nan, 4, 5, 5, 6]})

test
   ID   val1     val2  val3
0   4    one       hi   3.0
1   5    one      bye   3.0
2   6    two     hola   4.0
3   6    two     hola   NaN
4   6  three     hola   4.0
5   7    NaN     ciao   5.0
6   7  seven     ciao   5.0
7   7  seven  namaste   6.0 …

我有几个字符串,以下是一些例子.

rfoutputtablep7q10000t20000c100
rfoutputtablep7q1000t20000c100
svmLinear2outputtablep7q20000t20000c100
svmLinear2outputtablep7q5000t20000c100

我想和列的数据帧:algorithm,p,q,t,并c从这些提取字符串的值.所以前面的东西"outputtable"是algorithm,后面的数字"p"是值p,数字后面"q"是值q等.

如何创建此数据框？

我有一个像下面这样的字符向量:

char <- c("cancer_6_53_7575_tumor.csv", "control_7_4_7363_healthy.csv")

我想提取字符串中以4位数患者ID中的"7"开头并以"."结尾的部分,但是当该患者ID之前有7时,以下方法不起作用.

values <- unlist(qdapRegex::rm_between(char, "7", ".", extract = TRUE))

如何指定它必须以4位数字中的7开头？

我试图将以下两个图放在同一个图上：

import seaborn as sns; sns.set(color_codes=True)
import matplotlib.pyplot as plt
f, (ax1, ax2) = plt.subplots(1, 2, sharey=True)
iris = sns.load_dataset("iris")
sns.boxplot(data=iris, orient="h", palette="Set2", ax = ax1)
species = iris.pop("species")
lut = dict(zip(species.unique(), "rbg"))
row_colors = species.map(lut)
sns.clustermap(iris, row_colors=row_colors, ax = ax2)

我知道 clustermap 返回一个数字，所以这不起作用。但是，我仍然需要一种方法来将这些图彼此相邻（水平）呈现。sns.heatmap 返回一个轴，但它不支持聚类或颜色注释。

做这个的最好方式是什么 ？

抱歉，如果这看起来含糊不清，但我有一个数据集，其中包含100多个列，这些列具有要与之聚类的特征，并且〜10 ^ 6行。使用

kmeans(dataframe, centers = 100,
             nstart = 20,
             iter.max = 30)

在i7-6700K上耗时一个多小时。它不使用多个核心，因此可以做些什么吗？

谢谢！

我在 python 中有一个列表列表，如下所示：

test = [[4, 2, 5, 3], [5, 2], [6, 3, 2, 5, 5]]

我想使用 rpy2 将其输入到 R 中的 dunn.test 中。

但是，我不确定如何将其转换为数字向量（R）列表。

我在尝试：

py2.robjects.ListVector(test)
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
  File "/usr/lib/python3/dist-packages/rpy2/robjects/vectors.py", line 635, in __init__
    kv = [(str(k), conversion.py2ri(v)) for k,v in tlist]
  File "/usr/lib/python3/dist-packages/rpy2/robjects/vectors.py", line 635, in <listcomp>
    kv = [(str(k), conversion.py2ri(v)) for k,v in tlist]
ValueError: too many values to unpack (expected 2)

这样做的正确方法是什么？

我有一个数据框字典，如下所示：

test = {'df1':pd.DataFrame({'col1':[3, 5, 1, 4], 'col2':[3, 5, 1, 4]}), 'df2':pd.DataFrame({'col1':[3, 5, 1, 4], 'col2':[3, 5, 1, 4]}), 'df3':pd.DataFrame({'col1':[3, 5, 1, 4], 'col2':[3, 5, 1, 4]}), 'df4':pd.DataFrame({'col1':[3, 5, 1, 4], 'col2':[3, 5, 1, 4]})]

我想连接这些数据帧，但添加一个新列，该列给出值来自哪个数据帧的“身份”（字典键名称）。如何才能做到这一点？如果我这样做pd.concat(test.values())，我会得到我想要的串联，但没有标识列。

谢谢，杰克

我有一个2D numpy数组,如下所示:

a=np.array([["Science", "Blue", 3],
            ["Math", "Red", 4],
            ["Math", "Red", 5],
            ["Science", "Red", 3]])

我需要逐列将其转换为数值,如下所示(所需的输出):

out=np.array([[0, 0, 0],
              [1, 1, 1],
              [1, 1, 2], 
              [0, 1, 0]])

但是,对于下游可解释性,我还需要一个输出来追溯从数值到原始值.我在想这样的事情:

trace_back_dict = {0: {0: "Science", 1: "Math"}, 
                   1: {0: "Blue", 1: "Red"}, 
                   2: {0: 3, 1: 4, 2: 5}}

其中外部键是原始数组的列索引,而内部字符串给出数字:字符值的映射.

有没有一种简单的方法可以做到这一点,最好是sklearn风格,我可以做一个fit_transform,然后transform(为了火车和测试集目的)？

我一直在寻找sklearn的LabelEncoder,而且基本上我需要的是应用在每一列不同的一个.有关如何有效地做到这一点的任何建议？

谢谢!

插口

如何获取如下元组列表：

test = [('A', 1, 8, 4), ('B', 2, 6, 2), ('C', 3, 6, 2)]

并制作一个字典，使用每个元组中的第一个元素作为键

output = {'A': (1, 8, 4), 'B':(2, 6, 2), 'C': (3, 6, 2)}

如果原始列表是长度为 2 的元组列表，则dict(test)可以正常工作，但在这种情况下不起作用。

我可以[i[0] for i in test]提取每个元组的第一个元素，但我认为可能有一种更有效/Pythonic 和可推广的方法来执行此操作。

谢谢！

为了组合两个基于OR的布尔列表,np.logical_or可以使用,并且可以使用相似性AND np.logical_and.

但是,如果我有一个包含10个布尔值列表的列表,并希望使用AND或OR组合它们,我找不到一个简单的方法来执行此操作.

你能建议最有效的方法吗？

编辑:

booleans = [[True, True, False, True, False], [True, False, False, False, False], [True, False, False, False, False]]

或输出: [True, True, False, True, False]

AND输出: [True, False, False, False, False]

谢谢,杰克