我想将以下两个数据框合并在“名称”列的交集上。
假设数据帧 1 是:
Name subject_id Marks_scored
0 Billy sub1 98
1 Amy sub2 90
2 Bran sub4 87
3 Alice sub6 69
4 Ayoung sub5 78
Run Code Online (Sandbox Code Playgroud)
数据框 2 是:
Name subject_id Marks_scored
0 Billy sub2 89
1 Brian sub4 80
2 Bran sub3 79
3 Bryce sub6 97
4 Betty sub5 88
Run Code Online (Sandbox Code Playgroud)
我只希望输出是:
Name subject_id Marks_scored
0 Billy sub1 98
1 Bran sub4 87
2 Billy sub2 89
3 Bran sub3 79
Run Code Online (Sandbox Code Playgroud) 我正在尝试使用 python3.6 和 anaconda 3 安装 tensorflow-gpu 我正在按照以下链接https://www.tensorflow.org/install/install_windows 中的安装步骤进行操作
1-我通过调用以下命令创建了一个名为 tensorflow 的 conda 环境:
C:> conda create -n tensorflow python=3.6
2-然后通过发出以下命令激活 conda 环境:
C:> 激活张量流 (tensorflow)C:>
但是要 在我的 conda 环境中安装 TensorFlow的最后一步。使用该命令 pip install --ignore-installed --upgrade tensorflow-gpu 我得到了那个错误
(C:\Users\Chaymae\Anaconda3) C:\WINDOWS\system32>activate tensorflow
(tensorflow) C:\WINDOWS\system32>pip install --ignore-installed --upgrade tensorflow-gpu
Collecting tensorflow-gpu
Downloading tensorflow_gpu-1.4.0-cp36-cp36m-win_amd64.whl (67.6MB)
25% |???????? | 16.9MB 5.3kB/s eta 2:38:22Exception:
Traceback (most recent call last):
File "C:\Users\Chaymae\Anaconda3\envs\tensorflow\lib\site-packages\pip\_vendor\urllib3\response.py", line 302, in _error_catcher
yield
File "C:\Users\Chaymae\Anaconda3\envs\tensorflow\lib\site-packages\pip\_vendor\urllib3\response.py", line 384, in read …Run Code Online (Sandbox Code Playgroud) 我正在尝试使用“statsmodels.api”来处理时间序列数据并尝试使用一个简单的 ARIMA 模型
sm.tsa.arima_model.ARIMA(dta,(4,1,1)).fit()
Run Code Online (Sandbox Code Playgroud)
但我收到以下错误
module 'statsmodels.tsa.api' has no attribute 'arima_model'
Run Code Online (Sandbox Code Playgroud)
我正在使用“ statsmodels”版本 0.9.0 和“ spyder”版本 3.2.8 我很高兴得到您的帮助,谢谢
在使用高斯混合模型之前进行特征缩放很重要吗?以及为什么当我们使用概率来获取集群的参数(均值和协方差矩阵)时它很重要。另一方面,我知道在使用 K 均值之前标准化我们的数据很重要,因为这里的聚类取决于点和聚类之间的 Ecludiane 距离,如果一个特征具有较大的值,它将主导这个多维距离计算
python ×2
python-3.x ×2
anaconda ×1
arima ×1
dataframe ×1
gaussian ×1
math ×1
merge ×1
pandas ×1
statistics ×1
tensorflow ×1
time-series ×1