小编Joh*_*anC的帖子

            #split the equation into 2 parts using the = sign as the divider, parse, and turn into an equation sympy can understand
            equation = Eq(parse_expr(<input string>.split("=")[0]), parse_expr(<input string>.split("=")[1]))
            answers = solve(equation)
            #check for answers and send them if there are any
            if answers.len == 0:
                response = "There are no solutions!"
            else:
                response = "The answers are "
                for answer in answers:
                    response = response + answer + ", "
                response = response[:-2]
        await self.client.send(response, message.channel)

我试图制作一个使用 sympy 来解决代数的不和谐机器人，但我一直遇到上述实现的错误。有人可以帮忙吗？

但是对于输入 …

我需要在许多点上评估用户给出的函数（f'）的导数。这些点位于列表中（或 numpy.array、pandas.Series...）。当 f' 取决于 sympy 变量时，我获得了预期值，但当 f' 是常量时，我​​获得了预期值：

import sympy as sp

f1 = sp.sympify('1')
f2 = sp.sympify('t')

lamb1 = sp.lambdify('t',f1)
lamb2 = sp.lambdify('t',f2)

print(lamb1([1,2,3]))
print(lamb2([1,2,3]))

我得到：

1
[1, 2, 3]

第二个是好的，但我预计第一个将是一个列表。

这些函数位于矩阵中，是 sympy 运算（例如求导）的最终结果。f1 和 f2 的确切形式因问题而异。

我的数据集采用以下形式：

Data[0] = [headValue,x0,x1,..xN]
Data[1] = [headValue_ya,ya0,ya1,..yaN] 
Data[2] = [headValue_yb,yb0,yb1,..ybN]
...
Data[n] = [headvalue_yz,yz0,yz1,..yzN]

我想绘制 f(y*) = x，所以我可以用不同的颜色可视化同一图中的所有线图，每种颜色由 headervalue_y* 决定。

我还想添加一个颜色条，其颜色与线条匹配，因此与标题值匹配，因此我们可以直观地链接哪个标题值导致哪种行为。

这是我的目标：（来自 Lacroix B、Letort G、Pitayu L 等人的情节。微管动力学尺度与细胞大小设置主轴长度和装配时间。开发细胞。2018；45（4）：496-511 .e6. doi:10.1016/j.devcel.2018.04.022)

我在添加颜色条时遇到了麻烦，我尝试从颜色图中提取 N 种颜色（N 是我的不同 headValues 的数量，或列 -1），然后为每条线图添加对应的颜色，这是我要澄清的代码：

import matplotlib as mpl
import matplotlib.pyplot as plt
import numpy as np

Data = [['Time',0,0.33,..200],[0.269,4,4.005,...11],[0.362,4,3.999,...16.21],...[0.347,4,3.84,...15.8]]
headValues = [0.269,0.362,0.335,0.323,0.161,0.338,0.341,0.428,0.245,0.305,0.305,0.314,0.299,0.395,0.32,0.437,0.203,0.41,0.392,0.347]
# the differents headValues_y* of each column here in a list but also in Data
# with headValue[0] = Data[1][0], headValue[1] = Data[2][0] ...
cmap = …

我一直在尝试绘制贝茨分布曲线，贝茨分布是n独立标准均匀变量（从 0 到 1）的平均值的分布。

（我在时间间隔上工作[-1;1]，我对变量进行了简单的更改）。

在 n 次之后，曲线不稳定，这阻止了我继续前进。为了考虑变量x是连续的，我在10**6个样本中采样了interval。以下是不同的一些示例n：

但是n大于29，曲线发散，并且越大n，发散引起的变形越接近曲线的（平均）中心：

Bates 概率分布定义如下：

我的代码：

samples=10**6

def combinaison(n,k):   # combination of K out of N
  cnk=fac(n)/(fac(k)*fac(abs(n-k))) # fac is factoriel 
  return cnk


def dens_probas(a,b,n):
  x=np.linspace(a, b, num=samples)
  y=(x-a)/(b-a)
  F=list()
  for i in range(0,len(y)):
    g=0
    for k in range(0,int(n*y[i]+1)):
      g=g+pow(-1,k)*combinaison(n,k)*pow(y[i]-k/n,n-1)
    d=(n**n/fac(n-1))*g
    F.append(d)         
  return F 

任何想法来纠正更大的分歧n？

我有一个 distplot，我想绘制一条从 0 到平均频率的 y 值的平均线。我想这样做，但是当 distplot 执行时让该行停止。为什么没有一个简单的参数来做到这一点？这将非常有用。

我有一些代码可以让我几乎到达那里：

plt.plot([x.mean(),x.mean()], [0, *what here?*])

这段代码按照我想要的方式绘制了一条线，除了我想要的 y 值。使 y 最大值停止在 distplot 中的均值频率处的正确数学方法是什么？下面是我的一个 distplots 的示例，使用 0.6 作为 y-max。如果有一些数学方法可以让它停在均值的 y 值处，那就太棒了。我试过将平均值除以计数等。

我有一个数据框A

date        Cluster    count Users 
01/01/2021  ClusterA    10
01/01/2021  ClusterB    10
01/01/2021  ClusterB    9
02/01/2021  ClusterA    14
02/01/2021  ClusterB    10
02/01/2021  ClusterB    5

我想可视化集群之间的用户迁移，为此，我首先生成以下 dataframeB ：

date        Source     Target    Value 
02/01/2021  ClusterA   ClusterA   8
02/01/2021  ClusterA   ClusterB   2
02/01/2021  ClusterB   ClusterB   8
02/01/2021  ClusterB   ClusterA   2
02/01/2021  ClusterC   ClusterA   4
02/01/2021  ClusterC   ClusterC   5

我画了桑基图：

import plotly.graph_objects as go
label = ["ClusterA01/01/2021","ClusterB01/01/2021","ClusterC01/01/2021","ClusterA02/01/2021","ClusterB02/01/2021","ClusterC02/01/2021"]
source = [0, 0, 1, 1, 2,2]
target = [3, 4, 3, 4, 3,5]
value = [8, 2, …

我想绘制一些代表不同物质质量流量的桑基图以供报告。我想用图例来区分这些物质，但我不知道该怎么做。我尝试过showlegend但没有成功

import plotly.graph_objects as go

fig = go.Figure(data=[go.Sankey(
    node = dict(
      pad = 15,
      thickness = 20,
      line = dict(color = "black", width = 0.5),
      label = ['household','industry','waste'],
      color = "blue"
    ),
    link = dict(
      source = [0,1,0,1], # indices correspond to labels, eg A1, A2, A2, B1, ...
      target = [2,2,2,2],
      value = [7190,2074,4483,74.50],
      label = ['aluminium','aluminium','copper','copper'],
      color = ['#d7d6d6','#d7d6d6','#f3cf07','#f3cf07']
  ))])
fig.update_layout(showlegend=True)
fig.show() 

我希望我的 SymPy 结果显示为精确结果而不是小数结果。我查看了 SymPy 文档，但找不到任何有用的信息。

为了说明问题，这里是一些示例代码：

from sympy import *
u = symbols("u")
integrate((1+u)**(1/2), (u, 0, 1))

输出：

1.21895141649746

预期结果：

(4/3)*sqrt(2)-(2/3)

我有一个有理函数：f(x) = P(x)/Q(x)。\n例如：

f(x) = (5x + 3)/(1-x^2)\n

因为 f(x) 是生成函数，所以可以写为：

f(x) = a0 + a1*x + a2*x\xc2\xb2 + ... + a_n*x^n + ... = P(x)/Q(x)\n

如何使用 sympy 求生成函数的^第f(x)n 项（即a_n）？

如果 Sympy 中没有这样的实现，我也很想知道这是否在其他包中实现，例如 Maxima。

我很感激任何帮助。

我正在尝试制作一个上三角相关矩阵，理想情况下我想叠加到下三角矩阵的另一张图片上。因此，我希望将蒙版颜色设置为无或透明（否则，如果它是白色的，我将无法叠加）...知道如何在seaborn中执行此操作吗？

编辑

这就是我想做的：使用数据框中的一组列，我想绘制这些列的配对图（下三角形）和相关图（上三角形）

import numpy as np
import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt


rs = np.random.RandomState(112358)
d1 = pd.DataFrame(data=rs.normal(size=(100, 10)), columns=[*'abcdefghij' ])

corr1 = d1.corr()
mask1 = np.tril(np.ones_like(corr1, dtype=bool))

fig, ax = plt.subplots(figsize=(11, 9))

sns.heatmap(corr1, mask=mask1, cmap='PRGn', vmax=.3, vmin=-.3,
            square=True, linewidths=.5, cbar_kws={"shrink": .85, "pad":-.01}, ax=ax)

def hide_current_axis(*args, **kwds):
    plt.gca().set_visible(False)

e = sns.pairplot(d1)

e.map_upper(hide_current_axis)

plt.show()

这段代码当然可以工作，但它分别绘制了两个数字。