小编Nei*_*l G的帖子

如何在Python中检查属性是否可设置或可删除？

到目前为止我发现的最好的是

type(obj).__dict__["prop_name"].fset is not None

当两者都可能时,您如何决定使用装饰器和继承？

例如,这个问题有两个解决方案.

我对Python特别感兴趣.

更新2:我不确定为什么这仍然被投票(2014年3月).自从我多年前提出这个问题以来,这似乎是固定的.确保您使用的是最新版本的boost.

更新:可能需要初始化C++流以格式化数字,并且在Python中加载共享库时不会进行初始化？

我在打电话

cout << 1 << "!" << endl; 

在通过boost.python导出到共享库的方法中.它不打印任何东西,但如果我这样做

cout << "%" << "!" << endl; 

有用.

这很重要因为我想这样做:

ostream& operator <<(ostream &os, const Bernoulli& b) {
    ostringstream oss;
    oss << b.p() * 100.0 << "%";
    return os << oss.str();
}

通过这样做我暴露了:

BOOST_PYTHON_MODULE(libdistributions)
{
    class_<Bernoulli>("Bernoulli")
        .def(init<>())
        .def(init<double>())

        .def("p", &Bernoulli::p)
        .def("set_p", &Bernoulli::set_p)
        .def("not_p", &Bernoulli::not_p)

        .def("Entropy", &Bernoulli::Entropy)
        .def("KL", &Bernoulli::KL)
        .def(self_ns::str(self))
    ;
}

但是当我str在伯努利对象上调用python中的方法时,我什么也得不到.我怀疑更简单的cout问题是相关的.

给定索引和大小,是否有更有效的方法来生成标准基础向量:

import numpy as np
np.array([1.0 if i == index else 0.0 for i in range(size)])

什么是存储在Python对象的优点和缺点numpy.array与dtype='o'与使用list(或list的list等,在更高的维度)？

在这种情况下,numpy数组是否更有效？(似乎他们无法避免间接,但在多维情况下可能更有效.)

我正在尝试运行以下代码以获得简短的机器学习算法:

import re
import argparse
import csv
from collections import Counter
from sklearn import datasets
import sklearn
from sklearn.datasets import fetch_mldata

dataDict = datasets.fetch_mldata('MNIST Original')

在这段代码中,我试图通过sklearn阅读mldata.org上的数据集"MNIST Original".这导致以下错误(有更多的代码行,但我在此特定行收到错误):

Traceback (most recent call last):
  File "C:\Program Files (x86)\JetBrains\PyCharm 2.7.3\helpers\pydev\pydevd.py", line 1481, in <module>
    debugger.run(setup['file'], None, None)
  File "C:\Program Files (x86)\JetBrains\PyCharm 2.7.3\helpers\pydev\pydevd.py", line 1124, in run
    pydev_imports.execfile(file, globals, locals) #execute the script
  File "C:/Users/sony/PycharmProjects/Machine_Learning_Homework1/zeroR.py", line 131, in <module>
    dataDict = datasets.fetch_mldata('MNIST Original')
  File "C:\Anaconda\lib\site-packages\sklearn\datasets\mldata.py", line 157, in fetch_mldata
    matlab_dict = io.loadmat(matlab_file, struct_as_record=True)
  File …

以下深奥的C++运算符的目的是什么？

成员指针

::*

通过指针将指针绑定到成员

->*

通过引用将指针绑定到成员

.*

(参考)

在C++中,每次函数不修改对象时,在每次函数"符合"const的情况下,在成员函数定义的末尾添加const是一种很好的做法吗？我知道在这种情况下有必要:

class MyClass {

public:
int getData() const;
};

void function(const MyClass &m) { int a = m.getData(); dosomething... }

但除此之外,以及const对实际功能的其他用途,确实在最后添加const实际上改变了代码的执行方式(更快/更慢),或者它只是编译器处理诸如一个案例的'标志'以上？换句话说,如果类中的功能不需要const(最后),添加它会有什么不同吗？

在阅读完这个问题之后,我注意到S. Lott可能喜欢使用"有序的defaultdict",但它并不存在.现在,我想知道:为什么我们在Python中有这么多的dict类？

• 字典
• blist.sorteddict
• collections.OrderedDict
• collections.defaultdict
• weakref.WeakKeyDictionary
• weakref.WeakValueDictionary
• 其他？

为什么不这样的,

dict(initializer=[], sorted=False, ordered=False, default=None, 
     weak_keys=False, weak_values=False)

统一一切,并提供每一个有用的组合？

使用以下示例：

from typing import Callable, Generic, Type, TypeVar

ThetaType = TypeVar('ThetaType', bound=int)
XType = TypeVar('XType', bound=int)


class IteratedFunction(Generic[ThetaType, XType]):

    def find_fixed_point(self,
                         theta: ThetaType,
                         x_init: XType) -> XType:
        return x_init


def combinator(
    iterated_function_cls: Type[
        IteratedFunction[ThetaType, XType]]) -> Callable[
            [IteratedFunction[ThetaType, XType]], XType]:
    old_find_fixed_point = iterated_function_cls.find_fixed_point

    def new_find_fixed_point(
            iterated_function: IteratedFunction[ThetaType, XType],
            theta: ThetaType,
            x_init: XType) -> XType:
        return old_find_fixed_point(iterated_function, theta, x_init)

    return new_find_fixed_point

MyPy 说：

a.py:25: error: Incompatible return value type (got "XType", expected "XType")
a.py:25: error: Argument 1 has incompatible type "IteratedFunction[ThetaType, …