小编meW*_*meW的帖子

我有这个简单的Todo List,

我需要在添加和删除时添加animate.css库动画.我真的很新.我已阅读文档,但很难理解,

这是一个需要编码帮助的问题.

http://jsfiddle.net/johnthethird/NXCyC/7/

/** @jsx React.DOM */
var TodoList = React.createClass({
  propTypes: {items: React.PropTypes.array},
  render: function() {
    var createItem = function(itemText) {
      return <li>{itemText}</li>;
    };
    return <ul>{this.props.items.map(createItem)}</ul>;
  }
});
var TodoApp = React.createClass({
  getInitialState: function() {
    return {items: [], text: ''};
  },
  onChange: function(e) {
    this.setState({text: e.target.value});
  },
  handleSubmit: function(e) {
    e.preventDefault();
    var nextItems = this.state.items.concat([this.state.text]);
    var nextText = '';
    this.setState({items: nextItems, text: nextText});
  },
  render: function() {
    return (
      <div>
        <h3>TODO</h3>
        <TodoList items={this.state.items} />
        <form onSubmit={this.handleSubmit}>
          <input …

给定一些数据框，我们可以轻松地为笔记本中的每一列绘制直方图，如下所示：

import pandas as pd
import numpy as np

df = pd.DataFrame(np.random.randint(0,100,size=(100, 4)), columns=list('ABCD'))
df.hist()

但是，不是每列有一个图，是否可以像张量板一样将其绘制在一个图中？

是一个3D柱状图我们可以做的最好？也许使用与 matplotlib 不同的东西？

给定一个具有重复列的CSV文件A，我需要读取不包含重复列的文件-

 A       A       C
306     306     506
3238    3238    591
4159    4159    366
1847    1847    2898

可用的替代选项包括usecols和names。但是，Pandas version 0.24.1我们也有mangle_dupe_cols参数，如果将其设置为，False则应合并docs中提到的重复列。

但是，当我这样做时，我得到ValueError-

pd.read_csv('file.csv', mangle_dupe_cols=False, engine='python').head()
ValueError: Setting mangle_dupe_cols=False is not supported yet

用于此问题的Pandas版本- 0.24.1

您对此问题有何看法？

需要将 python 脚本与 Power BI 结合使用。所有 python 模块都安装在 virtualenv 中。如何激活这个virtualenv？（在 Windows 7 上使用 Python 3）

我有一些这样的数据

df = pd.DataFrame(index = pd.date_range('01/27/2018',periods = 290,freq = 'H'))
df['v'] = 1
In [85]: df
Out[85]:
                     v
2018-01-27 00:00:00  1
2018-01-27 01:00:00  1
2018-01-27 02:00:00  1
2018-01-27 03:00:00  1
2018-01-27 04:00:00  1
2018-01-27 05:00:00  1
2018-01-27 06:00:00  1
2018-01-27 07:00:00  1
2018-01-27 08:00:00  1
2018-01-27 09:00:00  1
2018-01-27 10:00:00  1
2018-01-27 11:00:00  1
2018-01-27 12:00:00  1
...                 ..
2018-02-07 12:00:00  1
2018-02-07 13:00:00  1
2018-02-07 14:00:00  1
2018-02-07 15:00:00  1
2018-02-07 16:00:00  1
2018-02-07 17:00:00  1
2018-02-07 18:00:00  1 …

我很困惑如何计算AR,MA,ARMA和ARIMA中的ACF和PAC的q.例如,在R中,我们使用acf或pacf来获得最佳的p和q.

但是,根据我读过的信息,p是AR的顺序,q是MA的顺序.假设p = 2,则AR(2)应该是y_t = a y_t-1 + b y_t-2 + c.我们可以在滞后= 1,2,3 ....时计算acf函数(在R中),以找出哪个滞后带来最大的acf函数值.对于决定q,MA也会发生同样的事情.但是,这是否意味着已经建立了p和q？

我猜这是步骤.但我不确定我是否正确.所以,让我们说在R的函数acf和pacf中,这是真正的过程:1.对于p = 1,设置lag = 1,2,3,... max以查看哪个滞后具有最大的自相关值.2.对于p = 2,3,4 ......,做同样的事情来找到滞后.3.将这些值相互比较.假设当p = 2且滞后= 4时,最大的自相关值出现,当我们说AR的顺序时,即.p,是2？

云有人请给我一个例子,说明如何估计p和q？

我有一个清单 [('a',2),('a',3),('b',3),('c',2),('b',4)]

我想总结所有类似的键,并获得[('a',5),('c',2),('b',7)]任何顺序是好的.

有没有更好的方法来做这个而不是使用字典.最好使用列表理解之类的东西[i for j in a for ...]

>>> a = [('a',2),('a',3),('b',3),('c',2),('b',4)]
>>> from collections import defaultdict
>>> d = defaultdict(int)
>>> for i,j in a:
...   d[i] += j 
... 
>>> d
defaultdict(<type 'int'>, {'a': 5, 'c': 2, 'b': 7})
>>> zip(d.keys(),d.values())
[('a', 5), ('c', 2), ('b', 7)]

我目前正在进行一项测试，在该测试中，我具有不同的区域以及一些相关的统计信息，并且用逗号分隔了这些区域中的基因。该列表的数量是可变的，并且可能不包含任何内容（"NA"）。

如何“融化”此数据框：

 region_id  statistic      genelist
          1        2.5       A, B, C
          2        0.5    B, C, D, E
          3        3.2          <NA>
          4        0.1          E, F

变成这样的东西：

     region_id  statistic gene
           1       2.5    A
           1       2.5    B
           1       2.5    C
           2       0.5    B
           2       0.5    C
           2       0.5    D
           2       0.5    E
           3       3.2 <NA>
           4       0.1    E
           4       0.1    F