Вопросы по теме 'apply'
AngularJS ng-repeat с данными из службы
Первоначально в своем приложении я создал контроллеры с очень простыми вызовами $http для получения ресурса путем получения идентификатора объекта из URL-адреса ($routeParams). Ng-repeat правильно отображает результаты.
Однако я заметил, что...
18.01.2024
Объединение содержимого столбцов с использованием применения или другого векторизованного подхода
У меня есть data.frame, который почти полностью пуст, но каждая строка имеет одно значение. Как я могу использовать векторизованный или другой r-народный подход для объединения содержимого каждой строки в один вектор?
образец данных:
raw_data...
03.01.2024
Более эффективные способы использования R, чем циклы for
Я относительно новичок в R, поэтому мне очень жаль, если есть очевидный ответ на этот вопрос. Я рассмотрел другие вопросы и думаю, что «применить» - это ответ, но я не могу понять, как его использовать в этом случае.
У меня есть лонгитюдный опрос,...
15.11.2023
Функция применения занимает в 100 раз больше времени, чем цикл For в R
Я столкнулся с огромной разницей во времени между циклом for и функцией apply .
У меня есть кадр данных (alldat), который содержит около 200 тыс. записей с 73 столбцами. Я хочу проверить, каков процент NA в каждом столбце, и вернуть результат в...
07.12.2023
Почему я должен вызывать Function.prototype.apply.call(x, ) вместо x.apply()?
Страница документа Reflect.apply() в веб-документах MDN указано:
В ES5 вы обычно используете метод Function.prototype.apply() для вызова функции с заданным значением this и аргументами, предоставленными в виде массива (или объекта,...
13.01.2024
Выберите каждую n-ю строку, сместите начало и повторите
Я пытаюсь создать новый столбец в data.frame, который создается путем выбора 9-й строки столбца, начиная с первой строки (т.е. строки 1, строки 9, строки 17). Как только он достигнет n-й строки столбца, мне нужно повторить этот процесс, начиная со...
16.12.2023
Вывод функции применения в DataFrame
Рассмотрим следующий кадр данных:
Data=[[0,'ABC SCHOOL BOARDING',['ABC','SCHOOL','BOARDING']],
[1,'UNIVERSITY BOARDING INSTITUTE',['UNIVERSITY','BOARDING','INSTITUTE']],
[2,'MARIE INSTITUTE SCHOOL',['MARIE', 'INSTITUTE','SCHOOL']],...
05.11.2023
Как сделать функцию, которая позволяет мне взять первую строку фрейма данных и создать список 2-х кортежей?
df100=a[['genres','imdb_score']]
df100
genres imdb_score
0 Action|Adventure|Fantasy|Sci-Fi 7.9
1 Action|Adventure|Fantasy 7.1
2 Action|Adventure|Thriller 6.8
3 Action|Thriller 8.5
4...
06.11.2023
Применить json.loads для столбца фрейма данных с помощью dask
У меня есть кадр данных fulldb_accrep_united такого типа:
SparkID ... Period
0 913955 ... {"@PeriodName": "2000", "@DateBegin": "2000-01...
1 913955 ... {"@PeriodName": "1999",...
02.01.2024
как оптимизировать эти функции pandas?
train["gender"] = train.apply(lambda x: 1 if x["gender"] == "F" else 0, axis=1)
train["car"] = train.apply(lambda x: 1 if x["car"] == "Y" else 0, axis=1)
train["reality"] =...
04.01.2024
Новые материалы
Кластеризация: более глубокий взгляд
Кластеризация — это метод обучения без учителя, в котором мы пытаемся найти группы в наборе данных на основе некоторых известных или неизвестных свойств, которые могут существовать. Независимо от..
Как написать эффективное резюме
Предложения по дизайну и макету, чтобы представить себя профессионально
Вам не позвонили на собеседование после того, как вы несколько раз подали заявку на работу своей мечты? У вас может..
Частный метод Python: улучшение инкапсуляции и безопасности
Введение
Python — универсальный и мощный язык программирования, известный своей простотой и удобством использования. Одной из ключевых особенностей, отличающих Python от других языков, является..
Как я автоматизирую тестирование с помощью Jest
Шутка для победы, когда дело касается автоматизации тестирования
Одной очень важной частью разработки программного обеспечения является автоматизация тестирования, поскольку она создает..
Работа с векторными символическими архитектурами, часть 4 (искусственный интеллект)
Hyperseed: неконтролируемое обучение с векторными символическими архитектурами (arXiv)
Автор: Евгений Осипов , Сачин Кахавала , Диланта Хапутантри , Тимал Кемпития , Дасвин Де Сильва ,..
Понимание расстояния Вассерштейна: мощная метрика в машинном обучении
В обширной области машинного обучения часто возникает необходимость сравнивать и измерять различия между распределениями вероятностей. Традиционные метрики расстояния, такие как евклидово..
Обеспечение масштабируемости LLM: облачный анализ с помощью AWS Fargate и Copilot
В динамичной области искусственного интеллекта все большее распространение получают модели больших языков (LLM). Они жизненно важны для различных приложений, таких как интеллектуальные..