小编ben*_*oss的帖子

在查看了读取url链接的不同方法后,指向.xls文件,我决定使用xlrd.

我很难将'xlrd.book.Book'类型转换为'pandas.DataFrame'

我有以下内容:

import pandas
import xlrd 
import urllib2

link ='http://www.econ.yale.edu/~shiller/data/chapt26.xls'
socket = urllib2.urlopen(link)

#this line gets me the excel workbook 
xlfile = xlrd.open_workbook(file_contents = socket.read())

#storing the sheets
sheets = xlfile.sheets()

我想把最后一张sheets和导入作为一个pandas.DataFrame关于如何实现这一点的任何想法？我试过了,pandas.ExcelFile.parse()但它想要一个excel文件的路径.我当然可以将文件保存到内存然后解析(使用tempfile或者其他),但我正在尝试遵循pythonic指南并使用可能已经写入pandas的功能.

一如既往地非常感谢任何指导.

Markdown 语法不会在Atom.io 中呈现。

以下是其他 sytax 突出显示的屏幕截图，它们完美地工作（而 Markdown 则没有）。

Python

JavaScript

但是，Markdown 语法似乎根本不起作用？

我试过的

我目前使用的是最稳定的 Atom.io 版本：

benjamingross@myhost:~$ atom --version
Atom    : 1.12.7
Electron: 1.3.13
Chrome  : 52.0.2743.82
Node    : 6.5.0

1. language-markdown和language-gfm包我都试过了。我什至卸载了这个language-gfm包。
2. 我已经卸载并重新安装了 Atom.io
3. 找到这个帖子，这个帖子
4. 我已经更改了 Atom.io 附带的每个 UI 主题和语法主题（其他所有语言都可以继续工作，但.md 文件或.markdown文件不行）

我查看了如下所示的其他网页，似乎其他人使用 Atom 突出显示了非常有吸引力的 Markdown 语法。

来自markdown-preview网页

关于如何获得与上述相同的漂亮降价语法高亮的任何想法？

顺便说一句，我的降价预览效果很好......

更新

这是我的结果 ~/.atom/config.cson

benjamingross@myhost:~$ cat ~/.atom/config.cson 
"*":
  "bracket-matcher":
    autocompleteBrackets: false
    autocompleteSmartQuotes: false
  core:
    openEmptyEditorOnStart: false
    telemetryConsent: "limited" …

我目前有一个numpy多维数组(float类型)和numpy列数组(int类型).我想将两者合并成一个多维的numpy数组.

import numpy

>> dates.shape
(1251,)
>> data.shape
(1251,10)
>> test = numpy.hstack((dates, data))
ValueError: all the input arrays must have same number of dimensions

要显示数组的类型不同:

>> type(dates[0])
<type 'numpy.int64'>
>> type(data[0,0])
<type 'numpy.float64'>

我使用matplotlibscatterplot函数在垂直线上创建句柄的外观以描绘图形的某些部分.但是,为了使它们看起来正确,我需要能够将散点图标记对齐到左边(对于左边的线/描绘边)和/或右(对于右边的线/描边器).

这是一个例子:

#create the figure
fig = plt.figure(facecolor = '#f3f3f3', figsize = (11.5, 6))
ax = plt. ax = plt.subplot2grid((1, 1), (0,0))

#make some random data
index = pandas.DatetimeIndex(start = '01/01/2000', freq  = 'b', periods = 100)
rand_levels = pandas.DataFrame( numpy.random.randn(100, 4)/252., index = index, columns = ['a', 'b', 'c', 'd'])
rand_levels = 100*numpy.exp(rand_levels.cumsum(axis = 0))
ax.stackplot(rand_levels.index, rand_levels.transpose())

#create the place holder for the vertical lines
d1, d2 = index[25], index[50]

#draw the lines
ymin, ymax = ax.get_ylim() …

如果我使用以下方法构建一个pandas.DataFrame,我得到一个输出(我认为)是特殊的:

import pandas, numpy

df = pandas.DataFrame(
    numpy.random.rand(100,2), index = numpy.arange(100), columns = ['s1','s2'])
smoothed = pandas.DataFrame(
    pandas.ewma(df, span = 21), index = df.index, columns = ['smooth1','smooth2'])

当我去看平滑的值时,我得到:

>>> smoothed.tail()
smooth1  smooth2
95      NaN      NaN
96      NaN      NaN
97      NaN      NaN
98      NaN      NaN
99      NaN      NaN

这似乎是以下碎片调用的聚合,产生不同的结果:

smoothed2 = pandas.DataFrame(pandas.ewma(df, span = 21))
smoothed2.index = df.index
smoothed2.columns = ['smooth1','smooth2']

再次使用DataFrame.tail()我得到的调用:

>>> smoothed2.tail()
smooth1   smooth2
95  0.496021  0.501153 
96  0.506118  0.507541
97  0.516655  0.544621
98  0.520212 …