小编Cyp*_*erX的帖子

编辑： 以下来自 Plotly 的示例供参考：

import plotly.express as px

df = px.data.gapminder().query("continent == 'Europe' and year == 2007 and pop > 2.e6")
fig = px.bar(df, y='pop', x='country', text='pop')
fig.update_traces(texttemplate='%{text:.2s}', textposition='outside')
fig.update_layout(uniformtext_minsize=8, uniformtext_mode='hide')
fig.show()

如何删除“流行”一词。

我想隐藏'value'的y轴标题。

以下语法不起作用。

fig.update_yaxes(showticklabels=False)

谢谢。

官方示例展示了如何在 Google Colaboratory 中使用表单字段：https : //colab.research.google.com/notebooks/forms.ipynb。

假设我们有一个列表： fruit_list = ['apples', 'bananas', 'mangoes']

现在我想将此列表的元素添加为表单中的下拉列表：

#@title # Select Your Choice of Fruit
fruit_selected = 'apples' #@params fruit_list {input: string}

到目前为止，我可以想到一些像这样的黑客：

#@title Boolean fields { run: "auto", vertical-output: true }
this_list = ["False", "True"]
boolean_checkbox = False #@param {type:"boolean"}
boolean_dropdown_asis = False #@param ["False", "True"] {type:"raw"}
boolean_dropdown_var = this_list[1] #@param {type:"raw"}

print(boolean_checkbox)
print(boolean_dropdown_asis)
print(boolean_dropdown_var)

但我更喜欢有另一种类型的输入：变量而不是原始/字符串。最终的实现可能是这样的：

#@title # Select Your Choice of Fruit
fruit_list = ['apples', 'bananas', 'mangoes']
fruit_selected = 'apples' #@params …

我希望获得与 Excel 中求解器函数的工作方式类似的结果。我一直在阅读 Scipy optimization 并尝试构建一个函数来输出我想要找到的最大值。该方程基于四个不同的变量，请参阅下面的代码：

import pandas as pd
import numpy as np
from scipy import optimize

cols = {
    'Dividend2': [9390, 7448, 177], 
    'Probability': [341, 376, 452], 
    'EV': [0.53, 0.60, 0.55], 
    'Dividend': [185, 55, 755], 
    'EV2': [123, 139, 544],
}

df = pd.DataFrame(cols)

def myFunc(params):
    """myFunc metric."""
    (ev, bv, vc, dv) = params
    df['Number'] = np.where(df['Dividend2'] <= vc, 1, 0) \
                    + np.where(df['EV2'] <= dv, 1, 0)
    df['Return'] =  np.where(
        df['EV'] <= ev, 0, np.where(
            df['Probability'] >= bv, …

我的问题与此相关。我有一个名为“test.csv”的文件，其中“NA”作为 的值region。我想将其读为“NA”，而不是“NaN”。但是，test.csv 中的其他列中缺少值，我想将其保留为“NaN”。我怎样才能做到这一点？

# test.csv looks like this:

这是我尝试过的：

import pandas as pd
# This reads NA as NaN
df = pd.read_csv(test.csv)
df
    region  date    expenses
0   NaN   1/1/2019  53
1   EU    1/2/2019  NaN

# This reads NA as NA, but doesn't read missing expense as NaN
df = pd.read_csv('test.csv', keep_default_na=False, na_values='_')
df
    region  date    expenses
0   NA    1/1/2019  53
1   EU    1/2/2019  

# What I want:
    region  date    expenses
0   NA    1/1/2019  53
1   EU    1/2/2019 …

我正在尝试绘制三张图像，其字幕位于其上方，但现在没有显示任何内容。

import cv2
from matplotlib import pyplot as plt

img = cv2.imread('kids.tif')

# Averaged environment
avg_blur = cv2.blur(img,(5,5))
# Gaussian filter
gauss_blur = cv2.GaussianBlur(img,(0,0),5)
# Median filter
median_blur = cv2.medianBlur(img,5)

f, axarr = plt.subplots(nrows=1,ncols=3)
axarr[0].imshow(img)
axarr[1].imshow(avg_blur)
axarr[2].imshow(gauss_blur)

"""
plt.subplot(121),plt.imshow(img),plt.title('Original')
plt.xticks([]), plt.yticks([])
plt.subplot(122),plt.imshow(avg_blur),plt.title('Averaged environment')
plt.xticks([]), plt.yticks([])
plt.show()
"""

我从无法更改的外部系统执行的SQL查询中获得了一个（非常难看的）txt输出。这是输出示例：

FruitName      Owner             OwnerPhone
=============  ================= ============
Red Apple      Sr Lorem Ipsum    123123
Yellow Banana  Ms Dolor sir Amet 456456

如您所见，该FruitName列和该Owner列可能只包含很少的单词，并且这些列中可以包含多少个单词没有固定的模式。如果我line.split()在每行Python上使用make数组，它将删除所有空格，并使数组变成如下形式：

['Red', 'Apple', 'Sr', 'Lorem', 'Ipsum', '123123']
['Yellow', 'Banana', 'Ms', 'Dolor', 'sir', 'Amet', '456456']

问题是，如何将其正确拆分成如下所示的输出：

['Red Apple', 'Sr Lorem Ipsum', '123123']
['Yellow Banana', 'Ms Dolor sir Amet', '456456']

我是Python的新手，我不知道这种事情是否可行。任何帮助将不胜感激。谢谢！

我想检查字典中是否存在键。据我所知，最合适的方法是： if d_.get(s):。但是，在尝试对Leetcode提问时，当我使用此方法时出现TLE错误。但是，当我尝试时if s in d_，TLE消失了。我想知道为什么in比快get()。

我试图通过一些问题去，发现这个地方有一个解释d_.get()V / S d_[s]。d_.get()v / s 均未解决任何问题s in d_。

以防万一，一些上下文：

失败的代码if self.memo.get(s):：

from typing import List


class Solution:
    def __init__(self):
        self.word_dict = {}
        self.memo = {}

    def word_break(self, s):
        if not s:
            return True
        if self.memo.get(s):
            return self.memo[s]
        res = False
        for word in self.word_dict.keys():
            if len(word) <= len(s) and s[:len(word)] == word:
                res = res …

我开始了 Tensorflow 之旅，当它已经来到 2.0.0 时，所以从来没有像在 version1 中那样使用过图形和会话。但是最近遇到了适合我的 tf.function 和 autographs。（但我知道它仅用于训练步骤）

现在在阅读项目代码时，很多人在想要构建图形时会在许多其他函数上使用 tf.function 装饰器。但我不完全明白他们的意思。如何知道何时使用图形，何时不使用？

谁能帮我？

我试图在数据框中查找列中具有相同值的列列表。R中有一个包whichAreInDouble，尝试在python中实现它。

df  =   
a b c d e f g h i   
1 2 3 4 1 2 3 4 5  
2 3 4 5 2 3 4 5 6  
3 4 5 6 3 4 5 6 7

它应该给我具有相同值的列列表，例如

a, e are equal
b,f are equal 
c,g are equal

看来我的一个内核被删除了。也许这就是我收到此错误的原因。我怎么可能修复它？我可以重新安装一些东西（也许是基础环境中的内核）？

如果没有更好的选择，我会尝试完全重新安装 anaconda 作为最后的手段，根据：Default kernel in jupyter Notebook (Python3) not working。

我尝试过使用以下内容：

1. Jupyter实验室的安装：requirements already satisfied
2. 运行“jupyter lab”时内核不显示
3. UI 说“没有内核”，而我确实有一个
4. 在 Python3 中运行 Jupyter Notebook 时出现内核错误
5. https://ipython.readthedocs.io/en/latest/install/kernel_install.html
6. https://medium.com/flatiron-engineering/recovering-from-a-jupyter-disaster-27401677aeeb

当前内核列表

jupyter kernelspec list

输出：

Available kernels:
  python3    C:\Users\raysu\AppData\Roaming\jupyter\kernels\python3
  vpython    C:\ProgramData\jupyter\kernels\vpython

但我必须有另一个与我的基本环境相关联的内核（我想它以某种方式被删除了）。

C:\Users\raysu\Documents>conda env list
# conda environments:
#
base                  *  C:\Program Files (x86)\Microsoft Visual Studio\Shared\Anaconda3_64
astra_env                C:\Program Files (x86)\Microsoft Visual Studio\Shared\Anaconda3_64\envs\astra_env
bokeh_env                C:\Program Files (x86)\Microsoft Visual Studio\Shared\Anaconda3_64\envs\bokeh_env
sound_env                C:\Program Files (x86)\Microsoft Visual Studio\Shared\Anaconda3_64\envs\sound_env
tf_env                   C:\Program Files (x86)\Microsoft …

在我的实验中，我试图训练一个神经网络来检测患者是否表现出症状 A、B、C、D。我的数据由每位患者的不同角度照片以及他们是否表现出症状 A、B、C、D 组成。

现在，在 pytoch 中，我正在使用 MSELoss 并将测试误差计算为分类总数中正确分类的总数。我想这太天真了，甚至是不恰当的。

测试误差计算的示例如下：假设我们有 2 名患者，每人都有两张图像。那么总共会有 16 个分类（1 个分类代表患者 1 是否有照片 1 中的症状 A、B、C、D 等）。如果模型正确预测照片 1 中的患者 1 表现出症状 A，那么正确分类的总数就会增加 1。

我被困在这里，但这是一个两部分的问题。查看 .describe(include = 'all') 的输出，并非所有列都显示；如何显示所有列？

这是我在使用 Spyder 时遇到的一个常见问题，即如何在控制台中显示所有列。任何帮助表示赞赏。

import matplotlib.pyplot as plt
import pandas as pd
import scipy.stats as stats
import seaborn as sns

mydata = pd.read_csv("E:\ho11.csv")
mydata.head()
print(mydata.describe(include="all", exclude = None))

mydata.info()

输出：

• 代码输出