更新- 4.13.22
我刚开始编写python程序,并试图创建一个使用For Loops的程序,该程序将逐行遍历数据框架,以识别由不同产品销售组合组成的不同类型的“组销售”,并将结果发布在“结果”列中。
以前的评论告诉我打印df并粘贴它:
Date LFMIX SALE LCSIX SALE LOTIX SALE LSPIX SALE LEQIX SALE \
0 0.0 0.0 30000.0 0.0 0.0 0.0
1 0.0 0.0 30000.0
下面是python中的示例ADF测试,以检查两对之间的协整性。然而,最后的结果只给出了协整的数值。如何获得协整的历史结果。
取自
import numpy as np
import statsmodels.api as stat
import statsmodels.tsa.stattools as ts
x = np.random.normal(0,1, 1000)
y = np.random.normal(0,1, 1000)
def cointegration_test(y, x):
result = stat.OLS(y, x).fit()
return t
我有一个多标签分类器产生的结果,我想要计算微观和宏观精度,回忆和F1分数使用sklearn.metrics在python,但不太清楚如何。
我有两个二进制稀疏矩阵,dataOUT和dataGT,它们分别代表同一数据集的分类结果和基本真理。这两个矩阵都是nLabels X nSamples大小的。每个样本都可以用一个或多个标签标记,所以如果分类器用dataOUT[i,j]标记jth样本,则为0,则为0。
对于任何给定的类i,我可以通过从dataOUT中提取i第四行来轻松地计算规则精度、召回和F-得分,而dataGT可以将这些数据提供给sklearn.metrics.precision_recal
我正在使用statsmodels coint,但不确定我的结果告诉了我什么。当我比较一对相似的股票时,我有兴趣理解协整结果。我使用了下面的代码,我得到了非常不同的结果。谁能解释一下什么是好的/坏的结果以及为什么?我正在努力理解一些概念,为什么当我运行下面的代码时-当我使用每日adj_close价格与使用adj_close价格的百分比移动时,我得到了非常不同的结果?我希望它们是一样的。
from statsmodels.tsa.stattools import coint
import pandas as pd
import pandas_datareader.data as web
impor
我正在查看一个vim中包含大量数字的大型文件。我正在寻找一个特定的记录,在一个字段中有编号1119,我知道两个记录之后,在同一个字段中有一个编号1196。
我想寻找其中之一,但两者都强调了,
我试过:
[1119|1196] which matches any of these single digits like 1.
{1119|1196} doesn't find anything (I am not sure what it looks for).
{1119,1196}
也找不到任何东西。我对此感到惊讶,因为我认为它应该查找1119或1196,而且这些数字在文件中确实存在很多
所以我有一个棋盘游戏,用户需要输入的大小为3,4,5 ...will是3x3,4x4,5x5等等.
在此:
board: .word 0:100 # declare a board of size 100 and make ints '0' , O = 1, X = 2
如您所见,这是静态声明.我需要以某种方式使数组与在t0中找到的用户输入的大小相匹配。
PHP date_default_timezone_set()从格林尼治标准时间偏移是可能的吗?
im mySQL db我有:
|timezoneid | gmt_offset | dst_offset | timezone_code | zone_name
| 1 | -12 | 0 | NULL | (GMT-12:00) International Date Line West
我希望能够从数据库中设置时区
我想将一个函数应用于多个列。我在dataframe data中的数据结构如下:
col1 col2 col3
x x x
x x x
x x x
特别是,我想在每一列的时间序列上应用ADF测试。
我想像这样的事情可能会奏效:
f <- function(x) ur.df(x, type = "none", lags = 10, selectlags = "AIC"))
sapply(data, f)
但是,似乎存在处理列的“变量”的问题。
它是如何正确完成的?
Update:使用此方法创建具有随机值的三列:
data =
我正在试验SQL和Pandas。遵循和相关的sqlalchemy 的熊猫指南
from sqlalchemy import create_engine
'''
example from sqlalchemy guide, engine_spec has the form of:
dialect+driver://user:password@host:port/name
where leaving out "+driver" defaults to whatever the SQLAlchemy choose for dialect