weixin_37198422的博客

【代码】python datetime 返回一个时间段内的所有日期列表。

【代码】python如何合并两个dataframe。

代码】python 判断是否为数字。

Main_poly=loads(road[i,1])#导入028边界。

m0=folium.Map([df_33['lat_wgs'].mean(),df_33['lon_wgs'].mean()],zoom_start=30)#中心区域的确定。folium.PolyLine(#polyline方法为将坐标用实线形式连接起来。).add_to(m0)#将这条线添加到刚才的区域m内。df_liushuai,#将坐标点连接起来。color='red',#线的颜色为红色。opacity=0.8,#线的透明度。weight=2,#线的大小为4。...

除了中提到的方法还有简单的print(lou_list.count('-1'))

根据https://scikit-learn.org/stable/modules/generated/sklearn.metrics.r2_score.html1.传入参数时最好指定y_true=..., y_pred=...，否则应注意顺序2.注意形状y_true：array-like of shape (n_samples,) or (n_samples, n_outputs)因此需要将数据reshape，从而第一维=n_samples...

参照Installation — pytorch_geometric 1.6.1 documentation1、确保安装 PyTorch版本：python -c "import torch; print(torch.__version__)"1.6.0+cu1012、查找安装 PyTorch 的 CUDA 版本：python -c "import torch; print(torch.version.cuda)"10.13、安装相关包：pip install torch-scatter==late

或者中的数据不需要计算梯度，也不会进行反向传播等价于

1.报错”default_collate: batch must contain tensors, numpy arrays, numbers, dicts or lists; found <U32“原因：检查dataset的getitem，里面每次获得的数据是否是tensors, numpy arrays, numbers, dicts or lists我的原始数据里大多数是float，但含有少数str，调用np.array后还是str，因此for ... in dataloader时，

首先长这样：1.关于两种mask参考Transformer 中的mask_Caleb_L的博客-CSDN博客_transformer中的mask1）padding mask在encoder和decoder两个模块里都有padding mask，位置是在softmax之前为什么要使用padding mask，是因为由于encoder和decoder两个模块都会有各自相应的输入，但是输入的句子长度是不一样的，计算attention score会出现偏差，为了保证句子的长度一.

将cv2.imshow("gradient",gradient)cv2.waitKey(10)cv2.destroyWindow("gradient")换成plt.imshow(gradient)plt.show()

1. 按日期排序df211['rq']=pd.to_datetime(df211.rq)df211=df211.sort_values(['rq']).reset_index(drop=True)df = df.sort_values(by='date') 应该也行2.去掉特定值行列df211 = df21.drop(df21[df21['road_name']!='汇新家园'].index).reset_index(drop=True)3.统计列中各种值出现次数df2

1.首先升级xgboost的版本我的是1.5.2查看版本代码:import xgboostxgboost.__version__2.其次查看可以使用的metric:https://xgboost.readthedocs.io/en/latest/parameter.html#learning-task-parametershttps://xgboost.readthedocs.io/en/latest/parameter.html#learning-task-parameters

如何查找Pandas Dataframe中的特定值 - VoidCCtest_2=df11[df11['ztlyqcyly']==0]test_2=df11.iloc[df11['ztlyqcyly']==0]从而将df11中'ztlyqcyly'为0的行取出来。二者效果貌似类似

需要加等号如df22=df22.dropna(how="any")

字典的key为int时经过序列化、反序列化操作后会变成str - 江湖乄夜雨 - 博客园

采用 Omniglot 数据 (https://github.com/brendenlake/omniglot) [1][2]。 该数据集包涵 50 种不同字母系统中的共计 1623 种字符。对于这 1623 种字符中的每一种字符， 数据集收集了由 20 个不同人书写该字符的手写图片。用机器学习的术语，该数据集可以看作 一共由 1623*20=32460 个样本组成，样本被均匀分到 1623 类中随机从所有类别中取出 50 类进行分类，每个类别中使用 15 张图片 作为训练数据，5 张图片作为测试数据。

我的错误是逐元素赋值：dist_mat[i,j]=dist_mat[i,j]+beta*1/(1+exp(alpha*(p_-0.5)))改进：先用一个tmp: dist_mat2=torch.zeros_like(dist_mat)对tmp逐元素：dist_mat[i,j]2=beta*1/(1+exp(alpha*(p_-0.5)))之后整体加上即可：dist_mat=dist_mat+dist_mat2...

1.定义若logx服从正态分布，则x服从对数正态分布2.参数设置lognorm.rvs(s, loc=0, scale=1, size=1)中的参数s,loc,scale, 要记住：loc和scale并不是我们通常理解的对数变化后数据的均值mu和标准差sigmalognorm.pdf(x, s) = 1 / (s*x*sqrt(2*pi)) * exp(-1/2*(log(x)/s)**2) for x > 0, s > 0.lognormtakes s as a sh.

当要加入array时extend会将列表按行加入listappend会直接将整个array加入list

可以直接model.to(device)但对于dataloader里面的变量如for i, data in enumerate(trainloader): # get the inputs xt, yt = data #torch.Size([32, 1, 28, 28]) #print(xt.size(),yt.size()) xt=xt.to(device) # yt=yt.t...

两个都用吧l​​​​​​​python - Should I use `random.seed` or `numpy.random.seed` to control random number generation in `scikit-learn`? - Stack OverflowThat depends on whether in your code you are using numpy's random number generator or the one inrandom.The .

请教了敖老师def transform_time(x,min_=28805,max_=70197,delta=5*60): num=ceil((max_-min_)/delta) x_norm=(x-min_)/(max_-min_) idx=min(int(x_norm*num),num-1) one_hot_=[0 for _ in range(num)] one_hot_[idx]=1 return one_hot_...

1.可视化from gensim.models import Word2Vec......class EpochLogger(CallbackAny2Vec): '''Callback to log information about training'''# def __init__(self):# self.epoch = 0# def on_epoch_end(self, model):# loss = model.get...

for k,v in G.nodes(data=True): print(k,v)

1.训练速度keras坑很多训练网络时，以下会不同程度上影响速度：1）imagedatagenerator，如果进行数据增强2）图片尺寸3）model.fit。虽然model.fit也支持generator，但速度比fit_generator慢很多以下不一定能提升训练速度1）multi_gpu_model：https://github.com/keras-team/keras/issues/92042）多卡+大batchsize：batchsize大小对训练速度的影响

因为项目需要,需要和c++那边的opencv使用相同的版本,因此想安3.X的版本1.在哪里看可用的版本如果是用pip,先pip install --upgrade pip,在pip install opencv-python==2.vediocapture读取视频返回falseopencv版本太老了,见https://github.com/opencv/opencv-python/releases/tag/11https://github.com/opencv/opencv-python

python – 将逗号转换为Dataframe中的点 - CocoaChina_一站式开发者成长社区将pandas DataFrame中带逗号的数字字符串转换为float - IT屋-程序员软件开发技术分享社区

见Python OS 文件/目录方法 | 菜鸟教程

使用ilocdf = pd.read_excel('data.xlsx',engine='openpyxl')x=df.iloc[df.iloc[:, 1].values==i, 6].values #第二列值等于i的所有行的第六列

见关于VeRi-776（车辆重识别）数据集 - it610.com

zuishi_has={}f = open('record_mse.txt','r') for lines in f: # query_list.append(line.replace('/','').replace('、','').replace(' ','').strip('\n')) #ls = lines.strip(':') ls1=lines.find('step:') #print(ls1) #print(lines[ls1+6:]) .

有大神用ax.get_yaxis().get_major_formatter().set_scientific(False)但实测没什么用xticks([x1,x2],[str(x1),str(x2)])可行

除了已收藏，见https://www.brothereye.cn/python/427/

plt.figure(figsize=(12, 9))# 默认的像素：[6.0,4.0]，分辨率为100，图片尺寸为 600&400plt.rcParams['savefig.dpi'] = 100 # 图片像素plt.rcParams['figure.dpi'] = 100 # 分辨率# 作图尺寸#'''#Your codeswidth_val = 5#plt.bar(xx,mse_checkin,width = width_val, facecolor = 'blue'.

x_=[i for i in range(20) for _ in range(20)]y_=[i for _ in range(20) for i in range(20) ]#print(x_)#print(y_)size=[]for i in range(20): for j in range(20): size.append(0.1*int(rad[i,j]))#print(size)plt.figure(figsize=(20,20))xx = n...

import pandas as pd df = pd.read_csv('a.csv')for index, row in df.iterrows(): x, y = row['X'], row['Y'] # 像字典一样取出需要的值

poi_data1 = pd.read_csv('poi_checkin_result.txt', sep="\t",names=['ID','visit'])

就是已知点和点集，得到集合中距离目标点最近的一个点的问题import numpy as npset = [np.array([1,1]) , np.array([10,1]) , np.array([1,0])]point = np.array([-1,0])dist = lambda x: np.linalg.norm(x - point)match = min(set, key = dist)print(set.index(match))...