小编sol*_*sol的帖子

我希望降低不同子图上刻度标签的密度

import pandas as pd
import matplotlib.pyplot as plt
import matplotlib.gridspec as gridspec
from StringIO import StringIO
data = """\
    a   b   c   d
z   54.65   6.27    19.53   4.54
w   -1.27   4.41    11.74   3.06
d   5.51    3.39    22.98   2.29
t   76284.53    -0.20   28394.93    0.28
"""
df = pd.read_csv(StringIO(data), sep='\s+')
gs = gridspec.GridSpec(3, 1,height_ratios=[1,1,4] )
ax0 = plt.subplot(gs[0])
ax1 = plt.subplot(gs[1])
ax2 = plt.subplot(gs[2])
df.plot(kind='bar', ax=ax0,color=('Blue','DeepSkyBlue','Red','DarkOrange'))
df.plot(kind='bar', ax=ax1,color=('Blue','DeepSkyBlue','Red','DarkOrange'))
df.plot(kind='bar', ax=ax2,color=('Blue','DeepSkyBlue','Red','DarkOrange'),rot=45)
ax0.set_ylim(69998, 78000)
ax1.set_ylim(19998, 29998)
ax2.set_ylim(-2, 28)
ax0.legend().set_visible(False)
ax1.legend().set_visible(False)
ax2.legend().set_visible(False)
ax0.spines['bottom'].set_visible(False)
ax1.spines['bottom'].set_visible(False) …

我正在尝试绘制/绘制(matplotlib或其他python库)一个大距离矩阵的2D网络,其中距离将是草绘网络的边缘以及其节点的线和列.

DistMatrix =
[       'a',   'b',     'c',    'd'],
['a',   0,      0.3,    0.4,    0.7],
['b',   0.3,    0,      0.9,    0.2],
['c',   0.4,    0.9,    0,      0.1],
['d',   0.7,    0.2,    0.1,    0] ]

我正在寻找从这样的(更大的:数千列和线)距离矩阵绘制/绘制2d网络:节点'a'通过边缘深度0.3,节点'c'和'd链接到节点'b' '将被边缘深度0.1绑定.我可以使用哪些工具/库(距离矩阵可以转换成numpy矩阵)来获得这种网络的草图/图形投影？(pandas,matplotlib,igraph,......？)和一些导致快速做到这一点(我不会定义我的自我Tkinter功能来做那个;-))？谢谢你的回答.

我必须创建并填充巨大的(例如 96 Go,72000行*72000列)数组,每个数组中都有来自数学公式的浮点数.该数组将在之后计算.

import itertools, operator, time, copy, os, sys
import numpy 
from multiprocessing import Pool


def f2(x):  # more complex mathematical formulas that change according to values in *i* and *x*
    temp=[]
    for i in combine:
        temp.append(0.2*x[1]*i[1]/64.23)
    return temp

def combinations_with_replacement_counts(n, r):  #provide all combinations of r balls in n boxes
   size = n + r - 1
   for indices in itertools.combinations(range(size), n-1):
       starts = [0] + [index+1 for index in indices]
       stops = indices + (size,)
       yield …

1. 我有一个密集计算循环,我希望它们使用多核处理器加速,因为它们是独立的:所有都是并行执行的.在python中最简单的方法是什么？
2. 让我们假设这些计算必须在最后总结.如何轻松地将它们添加到列表或浮点变量？

感谢您的所有教学答案和使用python库; o)

我将在Windows 7上启动并执行24个独立的python脚本.我希望一个脚本同时启动所有脚本...而不是统治它们(我不是Sauron)或等待它们的目的.我发现os.startfile()对此很有意思.但我没有成功地向那些24人发送争论.

coincoin1.py(要发布的24个脚本之一)

import sys
print "hello:",sys.argv 

Anti_Sauron_script.py(将一起启动24的那个)

sys.argv=["send","those","arguments"] 
os.startfile("C:\\Users\\coincoin1.py")

如何将参数发送到这些脚本并将它们一起启动？

我有一些状态通过转移概率链接(嵌入在马尔可夫链中的转换矩阵中).我想通过仅考虑足够高的概率来总结这个转移矩阵,它们允许从一个状态(〜节点)转到另一个状态(在我的转换矩阵中的第一个和最后一个).一个阈值,这样如果我只考虑更高的概率,我的转换矩阵永远不会允许从第一个状态(或节点)移动.

两个问题:

是否有一些众所周知的库(优先是python语言)实现这种方法？我的天真/经验/原型方法将是一个减少阈值的循环,然后检查我是否可以从第一个状态流到最后一个状态(距离矩阵中的最佳路径算法？).但这可能需要非常高的计算时间？

Example 1: 
DistMatrix = [[       'a',   'b',     'c',    'd'], 
             ['a',  0,      0.3,    0.4,    0.1],
             ['b',   0.3,    0,      0.9,    0.2],
             ['c',   0.4,    0.9,    0,      0.7],
             ['d',   0.1,    0.2,    0.7,   0]]  
    states are a,b,c,d. I want to find the value (threshold) that allow to go from a to d (no matter if other states are walked)  
    Naive approach:
    - first loop: threshold 0.9, I get rid of lesser probabilities: I can only connect c and b 
    - second …

我正在寻找在地图上绘制多个子图，每个子图都以一个地理位置（或绘图的一个坐标）为中心。节点本身没有位置（或者它们都属于一个城市），但每个子图对应一个本地情况。

• 我试图为每个子图只为一个节点分配一个位置，使用“居中”选项默认绘制其余的图

• 我试图从/sf/answers/2071804661/ 中得到启发，在一个位置上绘制一个分层图，但没有成功

  # -*- coding: utf-8 -*-
  import networkx as nx
  import pygraphviz
  import matplotlib.pyplot as plt
  from mpl_toolkits.basemap import Basemap as Basemap
  
  G1 = nx.Graph()
  G1.add_edge('a', 'b', weight=0.6)
  G1.add_edge('a', 'c', weight=0.2)
  G1.add_edge('c', 'd', weight=0.1)
  G1.add_edge('c', 'e', weight=0.7)
  G1.add_edge('c', 'f', weight=0.9)
  G1.add_edge('a', 'd', weight=0.3)
  
  G2 = nx.Graph()
  G2.add_edge('a', 'b', weight=0.9)
  G2.add_edge('a', 'f', weight=0.5)
  G2.add_edge('c', 'd', weight=0.1)
  G2.add_edge('c', 'e', weight=0.4)
  G2.add_edge('c', 'f', weight=0.2)
  G2.add_edge('a', 'd', weight=0.1)
  
  edges = G.edges()
  weights = [G[u][v]['weight'] for u,v in edges] # …

  Run Code Online (Sandbox Code Playgroud)

我搜索使用seaborn和y轴损坏的小提琴图绘制catplot（因为我有一个作用在两个不同尺度上的因果过程：一个在[0,0.2]之间，第二个在[2,12]之间定量 y 变量）。

我从这个答案中了解到，还没有实现允许在seaborn中进行这种绘图的简单功能（还？） 所以我尝试了不同的方法，但没有成功，堆叠同一数据集但具有两种不同比例的两个图。

探索失败的尝试：

让我们使用标准数据集“exercise”，我尝试过：

import seaborn as sns
import numpy as np
import matplotlib.pyplot as plt
exercise = sns.load_dataset("exercise")
f, (ax1, ax2) = plt.subplots(ncols=2, nrows=1, sharey=True)
f = sns.catplot(x="time", y="pulse", hue="kind",data=exercise, kind="violin",ax=ax1)
f = sns.catplot(x="time", y="pulse", hue="kind",data=exercise, kind="violin",ax=ax2)
ax1.set_ylim(0, 6.5)   # those limits are fake
ax2.set_ylim(13.5, 20)
plt.subplots_adjust(wspace=0, hspace=0)
plt.show()

我也尝试过使用facegrid但没有成功

import seaborn as sns
import numpy as np
import matplotlib.pyplot as plt
exercise = sns.load_dataset("exercise")
g = sns.FacetGrid(exercise, col="kind",row="time")
g.map(sns.catplot, x="time", y="pulse", hue="kind",data=exercise, kind="violin") …

我有那些数据

        a       b       c       d       e
alpha   5.51    0.60    -0.12   26.90   76284.53
beta    3.39    0.94    -0.17   -0.20   -0.20
gamma   7.98    3.34    -1.41   7.74    28394.93
delta   2.29    1.24    0.40    0.29    0.28

我想做一个很好的可发布直方图作为这个

但是在y轴上有一个中断,所以我们可以找出a,b,c,d和e的变化,这样数据就不会被e列中的极值压扁,而是使用隔行彩色条直方图:

我想在python(matplotlib,pandas,numpy/scipy)或mathematica ...或任何其他开放和免费的高级语言(R,scilab,...)中这样做.谢谢你的帮助.

编辑:通过pandas使用matplotlib允许使用左下角"hspace"的选项按钮调整两个子图之间的空间.

a= array([1,3,5,7,9])
b= array([2,4,6,8,10])

我想混合一对数组,以便它们的序列逐个元素地插入示例:使用a和b,它应该导致

c= array([1,2,3,4,5,6,7,8,9,10])

我需要在数千个序列上使用成对的长数组(超过一百个元素)来做到这一点.比每个阵列上的逐个元素酸洗更聪明的想法？谢谢

我想在 seaborn FacetGrid 图中格式化 y 轴标签，带有一些小数和/或添加一些文本。

import seaborn as sns
import matplotlib.pyplot as plt
sns.set(style="ticks")

exercise = sns.load_dataset("exercise")

g = sns.catplot(x="time", y="pulse", hue="kind", col="diet", data=exercise)
#g.xaxis.set_major_formatter(ticker.FuncFormatter(lambda x, pos: '{:,.2f}'.format(x) + 'K'))
#g.set(xticks=['a','try',0.5])
g.yaxis.set_major_formatter(ticker.FuncFormatter(lambda x, pos: '{:,.2f}'.format(x) + 'K'))
plt.show()

灵感来自如何将 seaborn/matplotlib 轴刻度标签从数字格式化为数千或数百万？（125,436 到 125.4K）

import seaborn as sns
import matplotlib.pyplot as plt
sns.set(style="ticks")

exercise = sns.load_dataset("exercise")

g = sns.catplot(x="time", y="pulse", hue="kind", col="diet", data=exercise)
#g.xaxis.set_major_formatter(ticker.FuncFormatter(lambda x, pos: '{:,.2f}'.format(x) + 'K'))
#g.set(xticks=['a','try',0.5])
g.yaxis.set_major_formatter(ticker.FuncFormatter(lambda x, pos: '{:,.2f}'.format(x) + 'K'))
plt.show()

它导致以下错误。

AttributeError: …