Комментарии 24
Такие инструменты всё чаще применяются в исследованиях типа: «влияние мочи на космические лучи». Много данных и много красивых картинок, а вот толку мало.
конусы в небе, это тоже свечение, только в виде конуса
Много конусов в небе
На всех фотографиях — МБР «Тополь», но Минитмэны, Союзы, Протоны, Арианы и т.п. выглядят точно так же.
На всех фотографиях — МБР «Тополь», но Минитмэны, Союзы, Протоны, Арианы и т.п. выглядят точно так же.
Наша цель будет не получить исчерпывающие ответы на главный вопрос жизни, вселенной и всего такогоТак 42 же?
Собственно, на месте НЛО могла быть любая таблица.«НЛО прилетело и опубликовало эту таблицу здесь.»
А где тут sklearn используется?
Про атмосферу дважды написано, исправь что б красиво было)
Вообще, атмосфера Земли пронизана множеством излучений различной природы, электрическими и магнитными полями.
Отличная статья.
Надеюсь на продолжение.
И хотелось бы чуть подробнее описание кода, в некоторых местах не хватает.
Надеюсь на продолжение.
И хотелось бы чуть подробнее описание кода, в некоторых местах не хватает.
Для обработки дат, думаю, правильнее было перевести в datatime через функции pandas. Времени можно было бы сэкономить, да и сил тоже.
Ошибка в коде после «Посмотрим какие формы объектов на небе видели и сколько раз.»
Есть:
shapes_type_count_keys, shapes_count_values = dict_sort(dict(shapes_type_count))
Должно быть:
shapes_type_count_keys, shapes_type_count_values = dict_sort(dict(shapes_type_count))
Есть:
shapes_type_count_keys, shapes_count_values = dict_sort(dict(shapes_type_count))
Должно быть:
shapes_type_count_keys, shapes_type_count_values = dict_sort(dict(shapes_type_count))
Нормуль туториал для начинающих. Только сделайте его в виде Jupyter Notebook и вообще хорошо будет.
Для создания сортированных словарей легче использовать стандартный модуль: docs.python.org/3/library/collections.html
Если тебе нужен «почти словарь», или «почти список»… — унаследуй его и перегрузи определенные функции, вместо написания внешней функции-обработчика. Это спровоцирует тебя осознанно подойти к выбору того, что и в какой момент делает твой тип. Ты соберешь информацию о поведении своего типа в одном месте. Ты сможешь сохранить правильное функционирование стандартных операторов сравнения, арифметики и т.д. Ты не сможешь забыть обернуть свой тип в свой обработчик в коде программы.
Использование for и pandas — плохой стиль, в общем случае. Pandas имеет встроенные оптимизированные механизмы обработки данных, которые будут работать быстрее for.
For часто используют с np для блобов, например работа с фото.
Или:
В прочих случаях: df+for->освежи память
Если тебе нужен «почти словарь», или «почти список»… — унаследуй его и перегрузи определенные функции, вместо написания внешней функции-обработчика. Это спровоцирует тебя осознанно подойти к выбору того, что и в какой момент делает твой тип. Ты соберешь информацию о поведении своего типа в одном месте. Ты сможешь сохранить правильное функционирование стандартных операторов сравнения, арифметики и т.д. Ты не сможешь забыть обернуть свой тип в свой обработчик в коде программы.
Использование for и pandas — плохой стиль, в общем случае. Pandas имеет встроенные оптимизированные механизмы обработки данных, которые будут работать быстрее for.
For часто используют с np для блобов, например работа с фото.
Или:
for df in [df1, df2, df3]:В прочих случаях: df+for->освежи память
Например для перевода я бы использовал «кэширующий переводчик» из dict.
В __init__ запихнул функцию инициализации Яндекса, а для __missing__(key) использовал функцию перевода.
Для перевода df использовал бы функцию apply, которой скормил бы «кэширующий переводчик».
ИМХО так красивее.
В __init__ запихнул функцию инициализации Яндекса, а для __missing__(key) использовал функцию перевода.
Для перевода df использовал бы функцию apply, которой скормил бы «кэширующий переводчик».
ИМХО так красивее.
Самому сформировать сортированные словари, мне показалось проще и нагляднее. Насчет for в pandas — это дельный совет. Теперь знаю что лучше стараться не использовать for для перебора элементов в DataFrame.
Под Windows 10 x64 (да я тот еще извращенец) не удалось поставить yandex-translate. Дефис надо поменять на точку: pip3 install yandex.translate
В статье используется константа PLOT_LABEL_FONT_SIZE, но ни где не сказано из какого модуля она вытянута или где она объявляется.
Не подскажите что за константа?
Не подскажите что за константа?
Константа объявлена в начале программы. Когда заливал статью забыл скопировать, сейчас исправил.
# Размер надписей на графиках
PLOT_LABEL_FONT_SIZE = 14
# Генерация цветовой схемы
# Возвращает список цветов
def getColors(n):
COLORS = []
cm = plt.cm.get_cmap('hsv', n)
for i in np.arange(n):
COLORS.append(cm(i))
return COLORS
Не пойму как обновить pip?
у меня куча каких то ошибок вылазит (см скрин).
у меня куча каких то ошибок вылазит (см скрин).
Зарегистрируйтесь на Хабре, чтобы оставить комментарий
Анализ данных с использованием Python