小编Iva*_*sky的帖子

当我尝试使用以下代码加载它们时，我训练了两个模型以将它们组合起来：

  from tensorflow.keras.models import load_model
  models=[]
  modelTemp=load_model('models/full.h5')
  modelTemp.name = "inception1"
  models.append(modelTemp)

发生错误：

  AttributeError: Can't set the attribute "name", likely because it conflicts with an existing read-only @property of the object. Please choose a different name.

完整的错误信息：

---------------------------------------------------------------------------
AttributeError                            Traceback (most recent call last)
/usr/local/lib/python3.6/dist-packages/tensorflow/python/keras/engine/base_layer.py in __setattr__(self, name, value)
   1968       try:
-> 1969         super(tracking.AutoTrackable, self).__setattr__(name, value)
   1970       except AttributeError:

AttributeError: can't set attribute

During handling of the above exception, another exception occurred:

AttributeError                            Traceback (most recent call last)
2 frames
/usr/local/lib/python3.6/dist-packages/tensorflow/python/keras/engine/base_layer.py …

这些问题都没有解决问题：问题 1和问题 2，我也无法在 pandas 文档中找到答案。

您好，我正在尝试查找此错误的根本原因：

ValueError: You are trying to merge on object and int64 columns.

我知道我可以使用 Pandasconcat或merge函数来解决这个问题，但我试图了解错误的原因。问题是：为什么我会得到这个ValueError？

这是使用的两个数据帧上的head(5)和的输出info()。

print(the_big_df.head(5)) 输出：

  account  apt  apt_p  balance       date  day    flag  month  reps     reqid  year
0  AA0420    0    0.0  -578.30 2019-03-01    1       1      3    10  82f2d761  2019
1  AA0420    0    0.1  -578.30 2019-03-02    2       1      3    10  82f2d761  2019
2  AA0420    0    0.1  -578.30 2019-03-03    3       1      3 …

我想知道是否通过以下方式选择了行：

groupby(['a', 'b']) 

与通过以下方式选择的行相同：

groupby(['b', 'a'])

在这种情况下，行的顺序无关紧要。

有groupby没有不满足交换性的情况？

不幸的是它不起作用：我有一个名为df

它由 5 列和 100 行组成。

我想在 x 轴第 0 列（时间）上绘制，在 y 轴上绘制相应的值。

我试过：

figure, ax1 = plt.subplots()
ax1.plot(df.columns[0],df.columns[1],linewidth=0.5,zorder=1, label = "Force1")
ax1.plot(df.columns[0],df.columns[2],linewidth=0.5,zorder=1, label = "Force2")

但这是行不通的。

我无法直接寻址列名称 - 我只能使用列的编号（例如 1、2 或数字 3）。

感谢您的帮助！！！

赫尔穆特

count = 1
for i in range(10):
    for j in range(0, i):
        print(count, end='')
        count = count +1
    print()
input()

我正在编写一个应该具有如下输出的程序.

1

22

333

4444

55555

666666

7777777

88888888

999999999

使用我编写的代码,我非常接近,但是我的计数工作方式只是字面数字上升.我只是需要帮助才能使它只计数到9但显示如上.谢谢.

目前，我正在研究这种数据集：

         date   income    account  flag  day  month  year
0  2018-04-13   470.57  1000 0002     8   13      4  2018  
1  2018-04-14   375.54  1000 0002     8   14      4  2018  
2  2018-05-15   375.54  1000 0002     8   15      5  2018  
3  2018-05-16   229.04  1000 0002     7   16      5  2018  
4  2018-06-17   216.62  1000 0002     7   17      6  2018  
5  2018-06-18   161.61  1000 0002     6   18      6  2018  
6  2018-04-19   131.87  0000 0001     6   19      4  2018  
7  2018-04-20   100.57  0000 0001     6   20      4  2018 …

我正在寻找一种方法来生成基于多个列的平均值作为方法的排名，其中一个包含字符串，另一个包含整数（很容易超过2列，但为了简单起见，我限制为2列）。

import pandas as pd
df = pd.DataFrame(data={'String':['a','a','a','a','b','b','c','c','c','c'],'Integer':[1,2,3,3,1,3,6,4,4,4]})
print(df)
  String  Integer
0      a        1
1      a        2
2      a        3
3      a        3
4      b        1
5      b        3
6      c        6
7      c        4
8      c        4
9      c        4

这个想法是为了能够创建排名，以字符串的降序排列每一行，以升序排列整数，这将是输出：

    Rank String  Integer
0      2      c        4           
1      2      c        4         
2      2      c        4          
3      4      c        6          
4      5      b        1          
5      6      b        3         
6      7      a        1            
7      8      a        2            
8    9.5      a …

我已经尝试了以下代码，它可以工作但没有生成预期的输出：

import pandas as pd
columns_total = [int(i/2) if i%2==0 else "id"+str(int(i/2)) for i in range(10)]+["sym"+str(i) for i in range(5)]
index_total = [i for i in  range(5)]
df = pd.DataFrame(index=index_total,columns=columns_total)

我得到的输出是：

     0  id0    1  id1    2  id2    3  id3    4  id4 sym0 sym1 sym2 sym3 sym4
0  NaN  NaN  NaN  NaN  NaN  NaN  NaN  NaN  NaN  NaN  NaN  NaN  NaN  NaN  NaN
1  NaN  NaN  NaN  NaN  NaN  NaN  NaN  NaN  NaN  NaN  NaN  NaN  NaN  NaN  NaN
2  NaN …