如果你想在任何時候都取平均值，可以嘗試使用np.mean，在這里你可以使用axis關(guān)鍵字來表示你想要平均哪個軸。 time_avaraged = np.mean(data.variables['precip'], axis = 0) 如果你有NaN個值，那么np.mean將給出NaN的lon/lat點。如果你寧愿忽略它們，那么就使用np.nanmean。 如果你只想做特定的時間，例如前1000個時間步，那么你可以做 time_avaraged = np.mean(data.variables['precip'][:1000,:,:], axis = 0)

這確實是一種痛苦，相當(dāng)煩躁。我創(chuàng)建的“假日期”與您的date列相同，但年份設(shè)置為2015/2016年（使用2016年作為二月的日期，這樣閏日就不會丟失）。然后我們繪制所有數(shù)據(jù)，告訴ggplot它都是2015-2016，所以它被繪制在同一個軸上，但我們不標(biāo)記年份。（使用的是季節(jié)標(biāo)簽，而不是"fake".） ## Configure some constants:start_month = 10 # first month on x-axisend_month = 6 # last month on x-axisfake_year_start = 2015 # year we'll use for start_month-Decemberfake_year_end = fake_year_start + 1 # year we'll use for January-end_monthfake_limits = c( # x-axis limits for plot ymd(paste(fake_year_start, start_month, "01", sep = "-")), ceiling_date(ymd(paste(fake_year_end, end_month, "01", sep = "-")), unit = "month"))df = df %>% mutat

只有UI-thread可以更新UI。因此，不能使用多任務(wù)來加快繪制到UI的速度。 嘗試在InitializeComponent();之后的表單中設(shè)置DoubleBuffered = true;。有時這會有幫助。此設(shè)置通常用于減少閃爍。 您是否試圖以編程方式分發(fā)控件？您可以使用Anchor屬性讓winforms自動為您執(zhí)行此操作。還有FlowLayoutPanel和TableLayoutPanel。這些面板對于自動布局非常有用。即使是SplitContainer也可以用于布局。 如果要更改UI，還可以嘗試掛起winforms的布局。這可以防止winforms進行不必要的計算和繪圖。 SuspendLayout();try { // TODO: Your positioning and sizing logic} finally { ResumeLayout();} try-finally確保ResumeLayout即使在出現(xiàn)異常的情況下，或者當(dāng)您將代碼塊留給return時也能運行。

我認(rèn)為這是可行的： df.set_index('Time_order').resample("5min").count().rolling(6)['ID'].sum()

您可以通過將數(shù)據(jù)幀與'id'上的自身合并來實現(xiàn)這一點。 首先，我們將創(chuàng)建一個First of month'fom'列，因為您的日期邏輯希望基于前幾個月而不是具體的日期進行回顧。然后我們將數(shù)據(jù)幀與它自身合并，帶上索引，這樣我們就可以在最后分配結(jié)果。 使用月偏移量，我們可以將其過濾為只將觀察值保持在該行觀察值的3個月內(nèi)，然后我們groupby原始索引并取'target'的平均值來獲得失敗百分比，我們可以將其分配回（索引上的對齊）。 如果輸出中有NaN，那是因為該行在前3個月沒有觀察到，所以您無法計算。 #df['date'] = pd.to_datetime(df['date'], dayfirst = True)df['fom'] = df['date'].astype('datetime64[M]') # Credit @ankydf1 = df.reset_index()df1 = (df1.drop(columns='target').merge(df1, on='id', suffixes=['', '_past']))df1 = df1[df1.fom_past.between(df1.fom-pd.offsets.DateOffset(months=3), df1.fom-pd.offsets.DateOffset(months=1))]df['Pct_fail'] =

這里有一種方法可以解決這個問題： Dictionary<(DateTime from, DateTime to), HashSet<string>> uniquelyChangedPeriods = new();var ((from, to), addData) = ((new DateTime(2020, 1, 1), new DateTime(2021, 1, 1)), new[]{ "test" });var existing = uniquelyChangedPeriods.FirstOrDefault(x => x.Key.from <= from && x.Key.to >= to);if (existing.Value != null){ foreach (var a in addData) existing.Value.Add(a);}else{ var set = new HashSet<string>(); foreach (var a in addData) set.Add(a); uniquelyChangedPeriods.Add((from, to), set);} 但是，您可能需要在這里重新考慮您的設(shè)計和方法。以這種方式使用詞典是可行的，但可能很難維持下去。 Edit: 例如，目前的

我認(rèn)為，盡管數(shù)組的大小在150*10^6的范圍內(nèi)，但快速排序肯定由于以下原因獲得了優(yōu)勢： 假設(shè)JAVA中integer的大小為4個字節(jié)， （（150*10^6*4字節(jié)）/1024字節(jié)）/1024兆字節(jié)）~572 MB。 三級緩存的大小約為50MB。 因此，（572-50）~522MB內(nèi)存在使用主內(nèi)存時必須小心（L1和L2除外，因為它們的大小相對較低）。 現(xiàn)在，對于額外的522MB，合并排序必須借助主內(nèi)存。 因此，合并排序顯然必須使用主內(nèi)存，這是輔助數(shù)組所必需的。 存取主存是一項繁重的工作，而合并排序由于其附屬陣列，比快速排序需要更多的內(nèi)存訪問。

您可以使用新引入的request.security_lower_tf()函數(shù)來實現(xiàn)這一點。 // This source code is subject to the terms of the Mozilla Public License 2.0 at https://mozilla.org/MPL/2.0/// © vitruvius//@version=5indicator("My script", overlay=true)// If the current chart timeframe is set to 240 minutes, then the `arrHigh` array will contain four 'high' values from the 60 minute timeframe for each bar.arrHigh = request.security_lower_tf(syminfo.tickerid, "60", high)if bar_index == last_bar_index - 1 label.new(bar_index, high, str.tostring(arrClose))

改變你的adx def adx(df,p): adx = ta.ADX(df['high'], df['low'], df['close'], timeperiod=p) return pd.DataFrame(adx) And def adx_periods (df, weeks): for week in weeks: df['{}week_adx'.format(week)] = adx(df, week) return df

再想想，你可以使用hdf5結(jié)構(gòu)來很好地處理大數(shù)據(jù)： import pandas as pdhdf_path = '_combined.h5'with pd.HDFStore(hdf_path, mode='w', complevel=5, complib='blosc') as store: for csv_file_name in sorted_fnames: store.append('data', pd.read_csv(csv_file_name), index=False) 如果需要，最終可以將其保存回csv，但使用hdf5會更有效

您需要了解可選鏈接，您可以使用if let或guard let，兩者都可以正常工作guard將提供提前退出，而if let將提供繼續(xù)函數(shù)其余部分（代碼塊）的選項，這取決于您的情況和邏輯。 下面是一個更好的代碼，可以與guard一起使用： guard let targetValue = target_value, let startValue = start_value, let rate = rate else { number_days = nil target_date = nil return}number_days = Int(ceil((targetValue - startValue) / rate))guard let numberDays = number_days else { target_date = nil return}target_date = Date.now().plus(days: numberDays) 或者可以使用if let，如下所示： if let targetValue = target_value, let startValue = start_value, let rate = rate { number_days = Int(ceil((targetValue - startValue) / rate)) if let number

你需要類似的東西 ORDER BY CASE WHEN CURRENT_DATE BETWEEN start_date AND end_date THEN 1 WHEN start_date > CURRENT_DATE THEN 2 ELSE 3 END, CASE WHEN end_date > CURRENT_DATE THEN start_date + 0 ELSE DATEDIFF(CURRENT_DATE, start_date) END fiddle start_date + 0用于將此事例的結(jié)果轉(zhuǎn)換為數(shù)值。沒有它，CASE-alternatives組合了日期和數(shù)值，這導(dǎo)致最終的數(shù)據(jù)類型是一個字符串-排序順序錯誤。

取決于你什么時候想知道。而循環(huán)似乎是最簡單的解決方案。 您可以使用此功能，并每5秒檢查一次是否有wifi連接，如果您不想每幀檢查一次： while (true) { // Check for Wifi connection // Wait 300 seconds (5 minutes) and run it again, forever int waittime = 300; Thread.sleep(waittime * 1000); }

我們可以從lubridate使用ceiling_date library(lubridate)library(dplyr)library(stringr)R3L12 %>% group_by(DS = ceiling_date(as.POSIXct(str_c(Date, Time, sep=" ")), unit = '30 min' )) %>% summarise(avg_30 = mean(m.Tb)) %>% mutate(date = as.Date(DS)) -output # A tibble: 7 x 3# DS avg_30 date # <dttm> <dbl> <date> #1 2015-05-23 07:30:00 12.5 2015-05-23#2 2015-05-23 08:00:00 12.5 2015-05-23#3 2015-05-23 09:30:00 13.0 2015-05-23#4 2015-05-23 12:00:00 16.5 2015-05-23#5 2015-05-23 12:30:00 17.2 2015-05-23#6 2015-05-23 13:00:00 19.8 2015-05-23#7 2015-05-23 13:30:00 24.4 2015-05-23

如果要將x軸保持為數(shù)字刻度，可以執(zhí)行以下操作： ggplot(df1, aes((week + 9) %% 52, sells)) + geom_line(aes(color="Period 18/19")) + geom_line(data=df2, aes(color="Period 19/20")) + scale_x_continuous(breaks = 1:52, labels = function(x) ifelse(x == 9, 52, (x - 9) %% 52), name = "week") + labs(color="Legend text")