小编Gin*_*ger的帖子

我在 Anaconda 环境下使用 Python 3.3。

我想模拟 sqlite3.connect。例如在MyTests（见下文）中，我想test_sqlite3_connect返回字符串connection而不是实际sqlite3.Connection对象。

我试过修补它，但这不起作用。

from unittest.mock import patch
import unittest

import sqlite3

@patch('sqlite3.connect')
def sqlite3_connect(self,connection_string):
    print('connect with : {0}'.format(connection_string))
    return 'connection '

class MyTests(unittest.TestCase):

    def test_sqlite3_connect(self):

        print('testing connection')

        dbc = DataBaseClass()


class DataBaseClass():

    def __init__(self):
        print('initialising database class')
        self.connection = sqlite3.connect('test database')

我有两个清单:

X = [True,False]
Y = [True,True]

我试图将X [0]与Y [0]和X [1]与Y [1]进行比较.

我试过了

in [7]: X and Y
Out[7]: [True, True]

但我期待的结果是[真,假].

我该怎么办？

我有一个Python函数.我想让它快得多吗？有人有任何提示吗？

def garchModel(e2, omega=0.01, beta=0.1, gamma=0.8 ):

    sigma    = np.empty( len( e2 ) )
    sigma[0] = omega

    for i in np.arange(  1, len(e2) ):

        sigma[i] = omega + beta * sigma[ i-1 ] + gamma * e2[ i-1 ]

    return sigma

我正在使用 IPython 和 Cython。

我正在外部文本编辑器的模块中编辑我的 Cython 函数。

我想导入这些模块并在 IPython 中使用它们，但在导入时使用 IPython 编译它们。

这样做的语法是什么？我不希望我的代码在我的 IPython 笔记本中。

假设我有这样的函数:

def f():
    x = np.arange(100)
    return x[:5]

f返回ay,这是x上的视图.

x还会在后台使用内存吗？

我需要在Python中获得每个月的第二个星期五.

我写了下面的函数来演示我需要的东西.但是,我想知道是否有更优雅的方式使用Pandas的date_range功能和适当的偏移来做到这一点.

def second_friday_of_month_date_range( start, end ):
    dr = pd.date_range( start, end, freq='MS' )

    first_weekday_of_month_to_2nd_friday_of_month = np.array( [ 12, 11, 10, 9, 8, 14, 13 ], dtype=int )
    wd                                            = first_weekday_of_month_to_2nd_friday_of_month[ dr.weekday ]
    offsets                                       = [ datetime.timedelta( days=int(x)-1 ) for x in wd ]
    dts                                           = [d+o for d, o in zip( dr, offsets)]
    return pd.DatetimeIndex( dts )

import pandas as pd
import datetime
d0 = datetime.datetime(2016,1,1)
d1 = datetime.datetime(2017,1,1)
dr = second_friday_of_month_date_range( d0, d1 )
print( dr …

我有一个作为服务运行的Python脚本.它写入磁盘.如果用户在服务上调用systemctl stop,我想以自己的方式处理该命令以降低文件损坏的风险.

如何捕获systemctl stop命令？

我在/ usr/lib/systemd/system中的文件是:

[Unit]
Description=foo

[Service]
Type=simple
ExecStart=/usr/bin/python /srv/go.py
User=jon
Restart=always

[Install]
WantedBy=graphical.target

我的Python脚本是:

#!/usr/bin/python

import time
import datetime
import threading

def worker():
    while True:

        with open('/tmp/go.txt', 'a') as f:
            s = str(datetime.datetime.utcnow()) + '\n'
            f.write(s)
            print(s)

            time.sleep(1)


if __name__=='__main__':
    t = threading.Thread(target=worker)
    t.start()

操作是tf.group()按顺序执行的吗？

如果它们没有按顺序执行,是否有类似的操作使它们按顺序运行？或者有一个干净的方式来按顺序运行它们？

我的目标是一次又一次地运行操作A和B,即

sess.run(A)
sess.run(B)
sess.run(A)
sess.run(B)
sess.run(A)
sess.run(B)
sess.run(A)
sess.run(B)
...

我在Python中使用了很多argmin和argmax.

不幸的是,功能很慢.

我做了一些搜索,我能找到的最好的是:

http://lemire.me/blog/archives/2008/12/17/fast-argmax-in-python/

def fastest_argmax(array):
    array = list( array )
    return array.index(max(array))

不幸的是,这个解决方案仍然只有np.max的一半,我想我应该能找到与np.max一样快的东西.

x = np.random.randn(10)
%timeit np.argmax( x )
10000 loops, best of 3: 21.8 us per loop

%timeit fastest_argmax( x )    
10000 loops, best of 3: 20.8 us per loop

请注意,我将此应用于Pandas DataFrame Groupby

例如

%timeit grp2[ 'ODDS' ].agg( [ fastest_argmax ] )
100 loops, best of 3: 8.8 ms per loop

%timeit grp2[ 'ODDS' ].agg( [ np.argmax ] )
100 loops, best of 3: 11.6 ms per …

我有一个非常简单的 cython 模块，名为empty_test.pyx：

cimport numpy as cnp


cpdef return_empty():
    return cnp.empty(0, dtype=np.int32)

当我尝试运行时，出现return_empty此错误：

empty_test.pyx:5:14: cimported module has no attribute 'empty'

这是我的setup.py文件：

from distutils.core import setup
from Cython.Build import cythonize

import numpy as np
setup(
    ext_modules=cythonize(['empty_test.pyx'],
    ),
    include_dirs = [np.get_include()],
)

我知道我可以尝试import numpy as np代替cimport numpy as np，但我正在尝试使用 numpy 代码的 C 版本。