タグ付けされた質問 「python」

私はテンソルフローv2のサブモジュールとして定義されたケラスを使用しています。fit_generator()メソッドを使用してモデルをトレーニングしています。10エポックごとにモデルを保存したい。どうすればこれを達成できますか？ Keras（tfのサブモジュールではない）では、を指定できますModelCheckpoint(model_savepath,period=10)。しかし、TF V2に、彼らはこれを変更したModelCheckpoint(model_savepath, save_freq)場所save_freqすることができ'epoch'、その場合、モデルはすべてのエポックを保存されます。save_freqが整数の場合、非常に多くのサンプルが処理された後でモデルが保存されます。しかし、私はそれが10エポックの後であることを望みます。どうすればこれを達成できますか？

10 python  keras  deep-learning  tensorflow2.0  tf.keras 

私のデータセットには、列挙したい2つのカテゴリー列があります。2つの列には両方の国が含まれており、一部が重複しています（両方の列に表示されます）。同じ国のcolumn1とcolumn2に同じ番号を付けたいのですが。 私のデータは次のように見えます： import pandas as pd d = {'col1': ['NL', 'BE', 'FR', 'BE'], 'col2': ['BE', 'NL', 'ES', 'ES']} df = pd.DataFrame(data=d) df 現在、私はデータを次のように変換しています： from sklearn.preprocessing import LabelEncoder df.apply(LabelEncoder().fit_transform) ただし、これはFRとESを区別しません。次の出力に到達する別の簡単な方法はありますか？ o = {'col1': [2,0,1,0], 'col2': [0,2,4,4]} output = pd.DataFrame(data=o) output

10 python  python-3.x  pandas  scikit-learn  categorical-data 

以下のパッケージ構造で . ├── my_package │ └── __init__.py ├── setup.cfg └── setup.py の内容 setup.py from setuptools import setup setup() の内容 setup.cfg [metadata] name = my_package version = 0.1 [options] packages = find: my_packageこのようにホイールまたはソース配布を構築できます pip wheel --no-deps -w dist . # generates file ./dist/my_package-0.1-py3-none-any.whl python setup.py sdist # generates file ./dist/my_package-0.1.tar.gz しかし、setuptoolsのメンテナーによると、宣言型ビルド構成が理想的であり、命令型ビルドを使用することはコードの匂いになるでしょう。交換してください、私たちはそうsetup.pyでpyproject.toml： …

10 python  setuptools  pypi  python-packaging  pyproject.toml 

続いて2つのhttpsリクエストを送信して、ターゲットページからhtml要素を取得するスクリプトを作成しました。私のスクリプトは問題なく問題なく実行できます。ただし、payloadターゲットページに到達するための最終的なHTTPリクエストを送信するために、Chrome開発ツールから4つの値をコピーして4つのキーを入力する必要がありました。これは開始リンクであり、以下はターゲットページに到達する方法に関する説明です。 ボタンをクリックしFind Hotelます（chek-out日付のデフォルトがcheck-in日付よりも少なくとも1日長い場合は、日付を変更する必要はありません）。 下の画像のようにボックスにチェックを入れ、そのBook Nowすぐ上のボタンを押します。これで、ターゲットページに自動的に移動するはずです。 というタイトルのターゲットページに到達したら、Enter Guest Detailsそこからhtml要素を解析します。 私は試してみました（動作しているもの）： import requests from bs4 import BeautifulSoup url = 'https://booking.discoverqatar.qa/SearchHandler.aspx?' second_url = 'https://booking.discoverqatar.qa/PassengerDetails.aspx?' params = { 'Module':'H','txtCity':'','hdnCity':'2947','txtHotel':'','hdnHotel':'', 'fromDate':'05/11/2019','toDate':'07/11/2019','selZone':'','minSelPrice':'', 'maxSelPrice':'','roomConfiguration':'2|0|','noOfRooms':'1', 'hotelStandardArray':'63,60,54,50,52,51','CallFrom':'','DllNationality':'-1', 'HdnNoOfRooms':'-1','SourceXid':'MTEzNzg=','mdx':'' } payload = { 'CallFrom':'MToxNjozOCBQTXxCMkN8MToxNjozOCBQTQ==', 'Btype':'MToxNjozOCBQTXxBfDE6MTY6MzggUE0=', 'PaxConfig':'MToxNjozOCBQTXwyfDB8MnwwfHwxOjE2OjM4IFBN', 'usid':'MToxNjozOCBQTXxoZW54dmkzcWVnc3J3cXpld2lsa2ZwMm18MToxNjozOCBQTQ==' } with requests.Session() as s: r = s.get(url,params=params,headers={"User-agent":"Mozilla/5.0"}) res = s.get(second_url,params=payload,headers={ "User-agent":"Mozilla/5.0", "Referer":r.url …

10 python  python-3.x  web-scraping 

私の目標： Pythonで3つのnumpy配列を作成し（そのうち2つは特定の値で初期化されます）、3つすべてをswigを介してc ++関数にベクトル参照として送信します（これは、データのコピーと効率の低下を避けるためです）。c ++関数に入ったら、2つの配列を追加し、それらの合計を3番目の配列に入れます。 vec_ref.h #include <vector> #include <iostream> void add_vec_ref(std::vector<int>& dst, std::vector<int>& src1, std::vector<int>& src2); vec_ref.cpp #include "vec_ref.h" #include <cstring> // need for size_t #include <cassert> void add_vec_ref(std::vector<int>& dst, std::vector<int>& src1, std::vector<int>& src2) { std::cout << "inside add_vec_ref" << std::endl; assert(src1.size() == src2.size()); dst.resize(src1.size()); for (size_t i = 0; …

10 python  c++  numpy  vector  swig 

簡単な再現： class VocalDescriptor(object): def __get__(self, obj, objtype): print('__get__, obj={}, objtype={}'.format(obj, objtype)) def __set__(self, obj, val): print('__set__') class B(object): v = VocalDescriptor() B.v # prints "__get__, obj=None, objtype=<class '__main__.B'>" B.v = 3 # does not print "__set__", evidently does not trigger descriptor B.v # does not print anything, we overwrote the …

10 python  cpython  python-descriptors 

私はこのような派手な配列を持っています： [1 2 2 0 0 1 3 5] 要素のインデックスを2D配列として取得することは可能ですか？たとえば、上記の入力に対する答えは次のようになります[[3 4], [0 5], [1 2], [6], [], [7]] 現在、私はさまざまな値をループし、各値を呼び出すnumpy.where(input == i)必要があります。これは、十分な大きさの入力でのパフォーマンスが非常に悪いものです。

10 python  numpy  numpy-ndarray 

私の知る限り、pysharkはWiresharkのコマンドラインバージョンであるtsharkのPythonラッパーです。WiresharkとtsharkはTCPの再送信を検出できるので、pysharkを使用してそれを行うにはどうすればよいか疑問に思っていました。良いドキュメントが見つからないので、それができないのか、適切な方法が見つからないのかはわかりません。ありがとうございました！

10 python  tcp  tshark  pyshark 

IsolationForest外れ値の検索に使用したい。でのモデルに最適なパラメータを見つけたいGridSearchCV。問題は、常に同じエラーが発生することです。 TypeError: If no scoring is specified, the estimator passed should have a 'score' method. The estimator IsolationForest(behaviour='old', bootstrap=False, contamination='legacy', max_features=1.0, max_samples='auto', n_estimators=100, n_jobs=None, random_state=None, verbose=0, warm_start=False) does not. 方法IsolationForestがないので、問題があるようscoreです。これを修正する方法はありますか？また、孤立した森のスコアを見つける方法はありますか？これは私のコードです： import pandas as pd from sklearn.ensemble import IsolationForest from sklearn.model_selection import GridSearchCV df = pd.DataFrame({'first': [-112,0,1,28,5,6,3,5,4,2,7,5,1,3,2,2,5,2,42,84,13,43,13], 'second': [42,1,2,85,2,4,6,8,3,5,7,3,64,1,4,1,2,4,13,1,0,40,9], 'third': [3,4,7,74,3,8,2,4,7,1,53,6,5,5,59,0,5,12,65,4,3,4,11], …

10 python  scikit-learn 

具体的には、このポップアップボックス： それは私が何かをタイプするたびにほとんど現れ、それは一種の邪魔になります。 設定でコード補完を無効にし、Kiteをアンインストールし、Jediを無効にしました。何か案は？

10 python  anaconda  spyder 

中規模のプロジェクトをDjango 3.0に更新していますが、Djangoのバージョンを2.3から変更する以外に何もしないと、テストでいくつかのエラーが発生します。 テストスイート全体が何年もの間正しく実行されており、この問題の原因を示す可能性のある変更ログ内の関連する変更を見つけることができませんでした。どうやら、1つのテストが失敗すると、同じTestCaseクラスの残りのすべてのテストが失敗し、次の例外が発生します。 Traceback (most recent call last): File "/Users/federicobond/code/forks/core/env/lib/python3.7/site-packages/django/db/backends/base/base.py", line 238, in _cursor return self._prepare_cursor(self.create_cursor(name)) File "/Users/federicobond/code/forks/core/env/lib/python3.7/site-packages/django/utils/asyncio.py", line 24, in inner return func(*args, **kwargs) File "/Users/federicobond/code/forks/core/env/lib/python3.7/site-packages/django/db/backends/postgresql/base.py", line 231, in create_cursor cursor = self.connection.cursor() psycopg2.InterfaceError: connection already closed The above exception was the direct cause of the following exception: Traceback …

10 python  django  psycopg2 

私はこれら2つのスニペットを比較して、1秒間にいくつの反復を実行できるかを確認しようとしました。Juliaは250万回の反復を達成し、Python 400万回を達成したことがわかりました。ジュリアはもっと速くなるはずではありません。または、これらの2つのスニペットは同等ではないでしょうか？ Python： t1 = time.time() i = 0 while True: i += 1 if time.time() - t1 >= 1: break ジュリア： function f() i = 0 t1 = now() while true i += 1 if now() - t1 >= Base.Dates.Millisecond(1000) break end end return i end

9 python  julia 

私は以下のようなシーンを持っています： a Task 1をトリガーTask 2し、ソーステーブル（Athena）で新しいデータを利用できる場合のみ。Task1とTask2のトリガーは、新しいデータパーティションが1日に発生したときに発生します。 およびTask 3の完了時にのみトリガーTask 1しますTask 2 Task 4の完了のみをトリガーするTask 3 私のコード from airflow import DAG from airflow.contrib.sensors.aws_glue_catalog_partition_sensor import AwsGlueCatalogPartitionSensor from datetime import datetime, timedelta from airflow.operators.postgres_operator import PostgresOperator from utils import FAILURE_EMAILS yesterday = datetime.combine(datetime.today() - timedelta(1), datetime.min.time()) default_args = { 'owner': 'airflow', 'depends_on_past': False, 'start_date': yesterday, 'email': …

9 python  airflow  amazon-athena  directed-acyclic-graphs  airflow-scheduler 

私は次の図を生成する次のコードを持っています import numpy as np np.random.seed(3) import pandas as pd import matplotlib.pyplot as plt df = pd.DataFrame() df['X'] = list(np.random.randint(100, size=100)) + list(np.random.randint(30, size=100)) df['Y'] = list(np.random.randint(100, size=100)) + list(np.random.randint(30, size=100)) df['Bin'] = df.apply(lambda row: .1 if row['X'] < 30 and row['Y'] < 30 else .9, axis=1) fig, ax = …

9 python  matplotlib 

私はいくつかのデータを持っています、多かれ少なかれこのように： [ {"tag": "A", "level":0}, {"tag": "B", "level":1}, {"tag": "D", "level":2}, {"tag": "F", "level":3}, {"tag": "G", "level":4}, {"tag": "E", "level":2}, {"tag": "H", "level":3}, {"tag": "I", "level":3}, {"tag": "C", "level":1}, {"tag": "J", "level":2}, ] 私はそれを深度レベル（キー「レベル」）に基づいたマルチレベルの辞書に変えたいです： { "A": {"level": 0, "children": { "B": {"level": 1, "children": { "D": {"level": 2, "children": { …

9 python  python-3.x  dictionary