leonardik's questions

假设有一个 Excel 表格，其中 A 列是输入，B 列是神经网络的输出。我需要经过训练的网络在源 Excel 文件的 C 列中写入它根据 A 列中的值计算出的预测。但是 Python 没有进行预测，而是给出了错误。我做错了什么？或者应该将预测写入新文件？

import pandas as pd
import numpy as np
import tensorflow
from tensorflow import keras
from keras.models import Sequential
from keras.layers import Dense


df=pd.read_excel('/content/test.xlsx')
input_data=np.asarray(df.iloc[:,0].values.tolist())

x=input_data.reshape(29,1)
y=np.asarray(df.iloc[:,1].values.tolist())

model = Sequential()

model.add(Dense(20, activation='relu'))
model.compile(loss='mse', optimizer=keras.optimizers.Adam(0.1), metrics=['mae'])

 # Fit the model
model.fit(x, y, epochs=5, batch_size=1)

df['C']=model.predict(x)

我创建了一个应该学习识别偶数和奇数的代码，给出“是”或“否”的答案。该脚本在训练期间不会显示任何错误，它的准确度约为 55%，但当我尝试输入第三方数字（在我的例子中为 33）时，它会生成某种代码。如何将其转换为“是”或“否”？

import numpy as np
from keras.models import Sequential
from keras.layers import LSTM, Dense
from keras.utils import to_categorical

# Data preparation
X = np.array([2,3,4,5,6,7,8,9,10])
y = np.array(['yes','no','yes','no','yes','no','yes','no','yes'])
# encode the labels
classes = ['yes', 'no']
y = to_categorical([classes.index(label) for label in y])

X = array(X).reshape(9, 1, 1)
# Define the LSTM model
model = Sequential()
model.add(LSTM(128, input_shape=(1,1)))
model.add(Dense(len(classes), activation='sigmoid'))

model.compile(loss='categorical_crossentropy', optimizer='adam', metrics=['accuracy'])

# Fit the model
model.fit(X, y, epochs=10, batch_size=1)

# Make predictions
X = np.array([33])
test_input = X.reshape((1, 1, 1))
test_output = model.predict(test_input, verbose=0)
print (test_output)

大家好。我对以下情况感到困惑。我有一个包含 60 个值的 mList，我需要以 20 为增量求和。下面的脚本给出了错误的值

import numpy as np
res=[]
for i in range(0,len(mList),20):
    r=np.sum(mList[i:i+20])
    res.append(r)
print(res)

但是，如果您在此表单中添加“按索引”，则会获得正确的答案

np.sum(mList[0:20])
np.sum(mList[21:40])
np.sum(mList[41:60])

除其他外，我对测试列表中的结果结果是正确的事实感到困惑。

import numpy as np
mList=[1,1,1,2,2,2,3,3,3]

res=[]
for i in range(0,len(mList),3):
    r=np.sum(mList[i:i+3])
    res.append(r)
print(res)

请告诉我如何才能得到正确的答案？实际列表将包含数千个值...

大家好！有一个表格需要分成 3 行的块，然后通过 iloc 使用公式，将相邻单元格相加，然后将结果数量相加。当前脚本生成一个 list [2, 4, 6, 8, 10, 12]，但结果应该[12,30]是 ，即 2 + 4 + 6 和 8 + 10 + 12 相加。

我没有找到 Pandas 的拆分功能...

import pandas as pd
import numpy as np
cont={'Part_1':[1,2,3,4,5,6],
      'Part_2':[1,2,3,4,5,6]
      }
index_list=['r1','r2','r3','r4','r5','r6']
df = pd.DataFrame(cont,index_list)

fig=[]
for i in range(0,len(df)):
    fig_p=df.iloc[i,0]+df.iloc[i,1]
    fig.append(fig_p)

print (fig)
print(np.sum(fig))

大家好！有一个脚本使用滚动来查找列中的最大值。当前窗口步长 = 1，即(1,3,1)下一个滑动序列(3,1,5)等。

如何设置 step = 3，即序列为(1,3,1)and (5,10,5)？

屏幕截图显示了窗口的移动，脚本最终应显示的最大值以红色突出显示。

找到了解决方案df.rolling(window=3,step=3)，但它不起作用......

import pandas as pd
sample = {
    'ID':[1,1,1,9,9,9],
    'Quant' :[1,3,1,5,10,5]
              }
df = pd.DataFrame(sample)

df2=df.rolling(3).agg({'Quant':'max'})
df3=df2.dropna(how='all')
print(df3)

大家好！有一个 df 表，其中包含“小时：分钟”格式的数据，您需要为此计算行之间的差异（以分钟为单位）。当前脚本应返回整数值 65 (01:15 - 00:10)，但到目前为止它给出了一个错误，即格式不匹配...

import pandas as pd
from datetime import datetime

df = pd.DataFrame({'Time':['00:10','01:15','02:45','04:00']})

corr1=str(df.iloc[0,:])
corr2=str(df.iloc[1,:])
res1 = datetime.strptime(corr1,'%H:%M')
res2 = datetime.strptime(corr2,'%H:%M')
diff=res2-res1

print(diff)

需要一个脚本来检查列表的值。我不知道如何注册如果任何值\u200b\u200bis小于10，那么控制台中会显示一个OK。

a=[1.2, 2.4, 2.7, 3.0, 3.1, 7.2]
for i in range(len(a)):

    if  a[0]>20 or a[i]>10 :
        print('No')
        break
    elif a[i]<10:
        continue
        print('Ok')

大家好！有一个列表 a，从中计算累积总数（列表 x）。列表 x 中的下一个是搜索最小值和最大值，必须严格 (!) 到最小值。由于某种原因，当前版本返回整个列表 x (41) 的最大值，但应该是 17

import numpy as np

a=[17,-2,8,17,1,-7,3, -15,19, -13]
x=list(np.cumsum(a))
y=min(x)
z=max(x[:y])


print(f'list {x}')
print(f'minimum {y}')
print(f'maximum {z}')

大家好。有两个列表，并且有一个比较这些列表的脚本

a=[10,20,30,40,50,60,40,45]
x=[10,50,5,100,15,60]
print([i > j for i, j in zip(a[-len(x):], x)])

我需要以“熟悉的格式”重写它，但生成的代码给出了错误的结果。我该怎么办？

a=[10,20,30,40,50,60,40,45]
x=[10,50,5,100,15,60]

for i in range (a[-len(x)]):
    for j in range(len(x)):
        if i>j:
            print('True')
        else:
            print('False')