小编fun*_*200的帖子

我在玩_Python解释器中的下划线，并想尝试一下它在代码中是否具有相同的行为。我在代码中使用下划线作为“无关”变量，如下所示：

_, a = someFunction()

并在解释器中获取最后存储的值，如下所示：

>>> 2 + 2
4
>>> a = _
>>> a
4

现在，我尝试执行以下示例代码：

for i in range(5):
    2 + 1
    a = _

print (a)

在解释器中以及用Python脚本编写并使用来运行python underscore.py。
考虑到_下划线将保存最后存储的值的行为，因为下划线不会被格式化为“无关”变量，因此预期的结果将是2 + 1 = 3，使3最后存储的值被保存到a用变量a = _。

口译员的结果如下：

>>> for i in range(5):
...     2 + 1
...     a = _
...
3
3
3
3
3
>>> print(a)
3

此结果按预期方式运行，而将相同代码的结果保存在Python脚本中并使用运行时python underscore.py …

我正在学习pytube下载 Youtube 视频并尝试tqdm在它上面显示进度条，但它显示了各种错误，而且我无法理解当我下载视频pytube并显示进度条时发生了什么，这是我无法显示的原因加tqdm进去。

我写的代码pytube运行良好，这是代码：

from pytube import YouTube


url = str(input("Enter the video link: "))
yt = YouTube(url)
videos = yt.streams.filter(file_extension='mp4').all()

filename = yt.title


s = 1
for v in videos:
    print(str(s)+". "+str(v))
    s += 1

n = int(input("Enter the number of the video: "))
vid = videos[n-1]

vid.download("C:/Users/user/Downloads/")

print(yt.title,"\nHas been successfully downloaded")

我需要tqdm添加到代码中才能显示进度条。

我试图找到给定图像的一些相对最大值。据我所知，有两种可能的方法，第一种是使用scipy.ndimage.maximum_filter()，第二种是使用 skimage.feature.peak_local_max()。

为了比较这两种方法，我修改了此处显示的skimage 的示例，以便比较找到的峰值。

from scipy import ndimage as ndi
import matplotlib.pyplot as plt
from skimage.feature import peak_local_max
from skimage import data, img_as_float

im = img_as_float(data.coins())

# use ndimage to find the coordinates of maximum peaks
image_max = ndi.maximum_filter(im, size=20) == im

j, i = np.where(image_max)
coordinates_2 = np.array(zip(i,j))

# use skimage to find the coordinates of local maxima
coordinates = peak_local_max(im, min_distance=20)

# display results
fig, axes = plt.subplots(1, 2, figsize=(8, 3), sharex=True, sharey=True) …

在长时间运行的多线程脚本中遇到一些可能的内存泄漏后，我发现了有关的信息maxtasksperchild，可以在多进程池中使用它，如下所示：

import multiprocessing

with multiprocessing.Pool(processes=32, maxtasksperchild=x) as pool:
    pool.imap(function,stuff)

线程池（multiprocessing.pool.ThreadPool）是否有类似的可能？

我已经建立了一个 AWS Sagemaker Ground Truth 标记项目，并且正在使用一个私人团队来完成这项工作。我想跟踪我的团队中的哪个成员给出了每个答案。

唯一的用户特定信息是workerId，例如，此处。

sagemaker 文档没有关于此 ID 的任何信息，也没有在 cognito 文档中的任何地方，我需要使用它来管理我的工作团队。

据我所知，这workerId是一个与 mturk 相关的 ID。AworkerId出现在此处的数据结构中。

我的问题是如何将 映射workerId到我的认知组中的特定用户？如果没有这样做的能力，该项目将无法进行。

我正在使用 Threejs 创建一个简单的 THREE.PlaneBufferGeometry。该表面是地球中的地质表面。

该表面具有用 NaN 表示的局部间隙或“孔”。我读过另一篇类似但较旧的文章，其中建议用“未定义”而不是 NaN 填充位置 Z 组件。我尝试过但收到此错误：

THREE.BufferGeometry.computeBoundingSphere()：计算的半径为NaN。“position”属性可能具有 NaN 值。\nPlaneBufferGeometry {uuid: "8D8EFFBF-7F10-4ED5-956D-5AE1EAD4DD41"，名称：""，类型："PlaneBufferGeometry"，索引：Uint16BufferAttribute，属性：Object，\xe2 \x80\xa6}

下面是构建表面的 TypeScript 函数：

AddSurfaces(result) {\n    let surfaces: Surface[] = result;\n\n    if (this.surfaceGroup == null) {\n      this.surfaceGroup = new THREE.Group();\n      this.globalGroup.add(this.surfaceGroup);\n    }\n   \n\n    surfaces.forEach(surface => {\n      var material = new THREE.MeshPhongMaterial({ color: \'blue\', side: THREE.DoubleSide });\n      let mesh: Mesh2D = surface.arealMesh;\n      let values: number[][] = surface.values;\n\n      let geometry: PlaneBufferGeometry = new THREE.PlaneBufferGeometry(mesh.width, mesh.height, mesh.nx - 1, mesh.ny - 1);\n      var …

我的模型中有两个类：Products 和 SalableProducts（SalableProducts 继承自 Products，因此它具有数据库的每个字段）。下面是我的架构

我尝试包含“exclude_fields”属性，但这不起作用

产品架构.py：

class Product(SQLAlchemyObjectType):
 class Meta:
  model = ProductModel
  interfaces = (relay.Node, )

class ProductConnections(relay.Connection):
 class Meta:
  node = Product

Salable_product_schema.py：

class SalableProduct(SQLAlchemyObjectType):
 class Meta:
  model = SalableProductModel
  interfaces = (relay.Node, )

class SalableProductConnections(relay.Connection):
 class Meta:
  node = SalableProduct

架构.py：

class Query(graphene.ObjectType):
 node = relay.Node.Field()
 all_products = SQLAlchemyConnectionField(ProductConnections)
 all_salable_products = 
  SQLAlchemyConnectionField(SalableProductConnections)

结果是这个错误：

AssertionError：在架构中发现具有相同名称的不同类型：product_status、product_status。

（product_status是两个类通过继承共享的属性）

以下代码生成随机 json 数据：

import json 
my_dict = {'foo': 42, 'bar': {'baz': "Hello", 'poo': 124.2}}
    my_json = json.dumps(my_dict)
    print(my_json)

如何自动化它以便每次生成随机 json 数据。知道 python 中的 faker 库确实会生成随机数据。如何将其与json结合起来。

我有一个 2D numpy 数组，它是一个图像的掩码。每个单元格都有0或1值。所以我想在值为 1 的数组中找到 top:left,right,bottom:left,right 。

例如输入数组：

[00000]
[01110]
[01100]
[00000]

预期输出： (1,1), (1,3), (2,1), (2,2)

我想知道为什么即使在使用 时将差分阶数指定为 1 后，我仍然得到“计算的初始 AR 系数不是平稳的”ARIMA(1,1,1)。包含df['prod rate']从 1 到 20 升序排列的值，我非常确定要删除趋势，我需要在此处应用一阶差分。

我已经浏览了以下答案链接：

1. 为什么我在使用 aic_min_order 时得到“计算的初始 AR 系数不是平稳的”？
2. Python Statsmodel ARIMA 启动 [平稳性]

但我找不到任何解决我的问题的方法。

from statsmodels.tsa.arima_model import ARIMA
plt.figure(figsize = (10,6))
model = ARIMA(df['prod rate'], order = (1,1,1))  
results_AR = model.fit()
plt.plot(df['prod rate'], label = "Original")
plt.plot(results_AR.fittedvalues, color = 'red', label = 'Predictions')
plt.legend(loc = 'best')

我在拟合模型时遇到以下错误：

ValueError                                Traceback (most recent call last)
<ipython-input-59-2b92bbf4a4de> in <module>()
      2 plt.figure(figsize = (10,6))
      3 model = ARIMA(df['prod rate'], order …