小编act*_*nda的帖子

我的函数foo接受一个things在内部变成列表的参数。

def foo(things):
    things = list(things)
    # more code

该list构造函数接受任何可迭代。

但是，注释thingswithtyping.Iterable并没有给用户一个线索，即迭代必须是有限的，而不是像itertools.count().

在这种情况下使用的正确类型提示是什么？

请考虑脚本 foo.bash

#!/bin/env bash

echo "$@"
echo

for x in "${@:0:$# + 1}" ; do
    echo "$x"
done

然后./foo.bash a b c给出输出

a b c

./foo.bash
a
b
c

据我了解文档，@保存位置参数，所以输出echo "$@"对我来说很有意义。

但是为什么for循环会打印脚本名称？

编辑：

我在 Windows 上使用 Git BASH，echo $BASH_VERSION产生 4.4.23(1)-release

假设我们有一个复杂的 API 函数，它是从某个库中导入的。

def complex_api_function(
        number, <lots of positional arguments>,
        <lots of keyword arguments>):
    '''really long docstring'''
    # lots of code

我想围绕该函数编写一个简单的包装器以进行微小的更改。例如，应该可以将第一个参数作为字符串传递。如何记录这个？我考虑了以下选项：

选项1：

def my_complex_api_function(number_or_str, *args, **kwargs):
    '''
    Do something complex.

    Like `complex_api_function`, but first argument can be a string.

    Parameters
    ----------
    number_or_str : int or float or str
        Can be a number or a string that can be interpreted as a float.
        <copy paste description from complex_api_function docstring>
    *args
        Positional arguments passed to `complex_api_function`.
    **kwargs
        Keyword arguments …

是否有typing在文档字符串中使用类型别名或对象的最佳实践？

这个问题可能会吸引基于意见的答案。但也可能是有一个被广泛接受的约定或对特定解决方案的外部工具支持。

相关问题

示例：函数返回一个包含字符串键和值的字典。您会将什么类型放入“退货”部分下的文档字符串中？（我使用的是熊猫风格的文档字符串。）

选项1：只是说它是一个字典。

import typing

strstrdict = typing.Dict[str, str]

def foo() -> strstrdict:
    '''
    bla bla

    Returns
    -------
    dict
        A dictionary with string keys and values that represents ...
    '''
    # code

选项 2：使用类型别名。

import typing

strstrdict = typing.Dict[str, str]

def foo() -> strstrdict:
    '''
    bla bla

    Returns
    -------
    strstrdict
        A dictionary with string keys and values that represents ...
    '''
    # code

选项 3：放入"typing.Dict[str, str]"文档字符串。

import typing

strstrdict …

题

我有一个数据帧 untidy

  attribute value
0       age    49
1       sex     M
2    height   176
3       age    27
4       sex     F
5    height   172

其中'attribute'列中的值定期重复.期望的输出是tidy

  age sex height
0  49   M    176
1  27   F    172

(行和列顺序或其他标签无关紧要,我可以自己清理它.)

实例化代码:

untidy = pd.DataFrame([['age', 49],['sex', 'M'],['height', 176],['age', 27],['sex', 'F'],['height', 172]], columns=['attribute', 'value'])
tidy = pd.DataFrame([[49, 'M', 176], [27, 'F', 172]], columns=['age', 'sex', 'height']) 

尝试

这看起来像一个简单的数据透视操作,但我的初始方法引入了NaN值:

>>> untidy.pivot(columns='attribute', values='value')                                                                                                       
attribute  age height  sex
0           49    NaN  NaN
1          NaN    NaN …

问题

考虑以下布局：

package/
    main.py
    math_helpers/
        mymath.py
        __init__.py

mymath.py包含：

import math

def foo():
    pass

我希望main.py能够使用mymath.py这样的代码：

import math_helpers
math_helpers.foo()

为此，__init__.py包含：

from .mymath import *

然而，导入的模块mymath.py现在位于math_helpers命名空间中，例如math_helpers.math可以访问。

目前的方法

我在 的末尾添加以下内容mymath.py。

import types
__all__ = [name for name, thing in globals().items()
          if not (name.startswith('_') or isinstance(thing, types.ModuleType))]

这似乎可行，但这是正确的方法吗？

目标

我正在尝试构建封装过程的回归器

1. 将目标从非数字格式转换为数字格式
2. 在内部，使用数字进行所有计算
3. 在将数值呈现给用户之前，将数值逆变换回原始格式。

理想情况下，最终用户应该能够在不知道目标转换的内部结构的情况下使用回归器。开发人员应提供实现变换和逆变换逻辑的函数。

原型演示

在sklearn.compose.TransformedTargetRegressor我的帮助下，我能够构建一个线性回归模型，该模型接受时间戳作为目标，并在内部将它们转换为自 1970-01-01 00:00:00（Unix 纪元）以来进化的秒数。该fit和predict预期方法已经工作。

import pandas as pd
from sklearn.compose import TransformedTargetRegressor
from sklearn.linear_model import LinearRegression
from sklearn.preprocessing import FunctionTransformer

_check_inverse = False

# helper to convert a 2D numpy array of timestamps to a 2D array of seconds
def _to_float(timestamps):
    deltas = pd.DataFrame(timestamps).sub(pd.Timestamp(0))
    return deltas.apply(lambda s: s.dt.total_seconds()).values

# helper to convert a 2D numpy array of seconds to a 2D array of timestamps
def _to_timestamp(seconds):
    return …

Github文档说

使用快进选项合并具有压缩提交的拉取请求。

这与我对正在发生的事情的心理模型（如下图所示）相冲突，如果能得到一些澄清，我将不胜感激。

初始情况，功能应该被“压缩并合并”到主版本中：

挤压后合并前的情况：

现在将功能合并到主版本中时如何执行快进合并？

编辑：所以从评论来看，似乎发生的实际上是“挤压和变基”而不是“挤压和合并”。它是否正确？

我在默认命名空间中有一个 nginx pod，并且有一个公开该 pod 的 ClusterIP 服务。

$ kubectl run nginx-pod --image=nginx\n$ kubectl expose po nginx-pod --name=nginx-service --port=8080 --target-port=80 --type=ClusterIP\n

我可以从集群内部通过其内部 IP 访问该服务。

$ kubectl get svc nginx-service\nNAME            TYPE        CLUSTER-IP     EXTERNAL-IP   PORT(S)    AGE\nnginx-service   ClusterIP   10.100.5.218   <none>        8080/TCP   2m49s\n$ wget -O- 10.100.5.218:8080\n

--> 200 好

我可以从 Pod 内部按名称访问该服务。

$ kubectl run tmp -it --rm --image=busybox --command -- /bin/sh -c 'wget -O- nginx-service:8080'\n

--> 200 好

但是，为什么我无法从 Pod 外部按名称访问服务？

$ wget -O- nginx-service:8080\n …