小编dar*_*han的帖子

我对R很新,而且几乎习惯了python.我写R代码并不是那么舒服.我正在寻找R的python接口,它允许我以pythonic方式使用R包.

我做了谷歌研究,发现很少有可以做到这一点的软件包:

• Rpy2
• PypeR
• pyRserve

但不确定哪一个更好？哪个贡献者更多,更积极地使用？

请注意我的主要要求是访问R包的pythonic方式.

我想基于物理引擎生成用于感知和抓取的数据集。我尝试将谷歌研究最近发布的以下 3D 模型（https://app.ignitionrobotics.org/GoogleResearch ）导入到 drake 中，并为各种鞋子创建分割数据集，即将网格放入垃圾箱/让它停下来读取RGB/深度和分割图像。

然而，在 drake 中将对象网格（.obj 文件）指定为碰撞几何体似乎不起作用，因为鞋子只是穿透垃圾箱并不断落入深渊（附加快照）。

我还注意到 YCB 对象具有使用简单框和点接触描述的碰撞几何形状。这是相同的可视化（您可能已经熟悉）。绿色是碰撞几何体。

如果我必须模拟上述内容，我是否需要描述谷歌研究数据集中所有对象的简单几何形状？如果有，它们是如何产生的？是否有一些工具可以用来生成这个或者它是手动完成的？或者当网格用于碰撞几何体时我应该启用水弹性接触模拟以使其工作吗？

如果它可以处理任何凸网格，另一种方法是将原始网格的凸包作为碰撞几何体。

另外，作为替代方案，我尝试使用 pybullet 进行相同的操作。我没有使用垃圾箱，而是使用了飞机。Pybullet 似乎正在正确处理将网格指定为碰撞几何体。这是 pybullet 中数据的快照。

中间解决方案（尚未解决抓取部分）：

在与 Sean 和 Russ 讨论后，我创建了三角形网格的凸包（使用 open3D），并且似乎使用此凸包作为碰撞网格和 <drake:declare_convex/>网格标签的注释，鞋子达到了稳定的姿势。我认为这个解决方案足以让我使用 drake 生成感知数据。这是使用以下解决方案后的快照：

我有一个由成对的 levenshtein 距离组成的距离矩阵。我正在使用 scikits-learn。但是层次聚类算法不以距离矩阵作为聚类的输入。所以我必须寻找一个可以做到这一点的新包。

是否有任何快速且经过良好测试的软件包用于层次聚类？

我试图在MongoDB中使用find()命令在my collection中找到文档,有人可以解释为什么它不起作用吗？和正确的命令执行相同的？

j = {name:"mongo",property:{type:"database",lang:"cpp"}};
{
    "name" : "mongo",
    "property" : {
        "type" : "database",
        "lang" : "cpp"
    }
}

db.dummy.save(j);

db.dummy.find({"property" : { "type" : "database" }});

最后一个命令不会给我任何回报.我无法理解为什么.如果我,我该怎么办

我在text_corpus上使用gensim训练了LDA模型.

>lda_model = gensim.models.ldamodel.LdaModel(text_corpus, 10)

现在,如果必须推断出新的文本文档text_sparse_vector,我必须这样做

>lda_model[text_sparse_vector]
[(0, 0.036479568280206563), (3, 0.053828073308160099), (7, 0.021936618544365804), (11, 0.017499953446152686), (15, 0.010153090454090822), (16, 0.35967516223499041), (19, 0.098570351997275749), (26, 0.068550060242800928), (27, 0.08371562828754453), (28, 0.14110945630261607), (29, 0.089938130046832571)]

但是,我如何获得每个相应主题的单词分布.例如,我如何知道16号主题的前20个单词？

类gensim.models.ldamodel.LdaModel具有名为show_topics的方法(topics = 10,topn = 10,log = False,formatted = True),但正如文档所述,它显示随机选择的主题列表.

有没有办法链接或打印我可以将推断的主题数字映射到单词分布？