import os
os.system("conda env list")
import yfinance as yf
btc_usd = yf.download('BTC-USD')
у функции есть параметры start и end, для задания периода. bts_usd это фрейм (электронная таблица) с которой делают анализ, визуализации, любые манипуляции, записи в любые форматы, базы данных и т.д. Пример: На изображении изображен: roses с вероятностью 1.00Если мы уверены в чем то на 100 процентов это не вопрос статистики, как следствие любая правильно натренированная модель не может выдавать "с вероятностью сто процентов". И это пожалуй самое интересное в твоем вопросе.
import numpy as np
arr1 = np.ones(9).reshape(3,3)
arr2 = np.ones(8).reshape(2,4)
arr1 + arr2
Выдаст по смыслу такую же ошибку, как у вас, размерности разные и он не в состоянии произвести оперцию.import numpy as np
arr1 = np.ones(27).reshape(3,3,3)
arr2 = np.ones(9).reshape(3,3)
arr1 + arr2
Не смотря на то что размерности разные у нас двумерный массив складывается с трехмерным, ошибки не будет все сработает. model = torch.load("best.pt", map_location=torch.device("cpu"))['model']
predictions = model(image)
вот это выглядит странно, даже если бы model был бы не словарь, а модель. Потому что у модели по идее должен быть метод predict. pd.read_json()
во вторых есть метод json_normalize()
если json содержит "вложенные словари". Приведи в порядок свой датафрейм, и данные запишутся в базу. Не знаешь, как привести датафрейм в порядок, показывай его и отдельным вопросом. import pandas as pd
import numpy as np
data = [
{'symbol': 'FTTBUSD', 'positionAmt': '0.001', 'entryPrice': '0.0', 'markPrice': '0.00000000'},
{'symbol': 'ETHUSDT', 'positionAmt': '0.003', 'entryPrice': '1912.07', 'markPrice': '1911.37031373'},
{'symbol': 'ALPHAUSDT', 'positionAmt': '0.002', 'entryPrice': '0.0', 'markPrice': '0.00000000'}
]
df = pd.DataFrame(data=data, columns=['symbol','positionAmt'])
df['positionAmt'] = df['positionAmt'].astype(float)
print(df)
df.plot(kind='bar', x='symbol', y='positionAmt');
Выведет вот такой графикprint(klicker.__dict__)
и там увидишь вот такую строчку '_lines': {'event': matplotlib.lines.Line2D at 0x7fe0e34a1a50}, далее если глянуть документацию класса Line2D то мы увидим что 'linestyle' это property. klicker._lines['event']._linestyle
Это даст тебе стиль линии. Изменить его можно (но это property) защищенный атрибут то есть можно но не нужно, так или иначе.klicker._lines['event']._linestyle = '-'
его изменит. data = [('Ivanov','Ivan',None), ('Petrov','Petr',30),...,('Sidorov',None,None)]
columns = ['name','surname',...'age']
df = pd.DataFrame(data, columns = columns)
df.to_csv('result.csv',header=False, mode='a')
Создаешь фрейм, и добавляешь его новыми строчками в существующий csv файл. А автоматически добавлять столбцы в csv файл не нужно. Если же знать наперед все потенциальные имена столбцов не возможно, что я себе слабо представляю (ты должен знать что ты хочешь спарсить), то используй json (мороки будет много). cls(*args, **kwargs)
Вызывается просто MyClass.classmeth(*args, **kwargs)
DataFrame(data)
А можешь использовать методы класса для альтернативного метода создания экземпляра (из другой структруры) DataFrame.from_dict(some_dict)
так вот from_dict это метод класса. class MyClass:
currency = 'Dollar'
def __init__(self, amaunt):
self.amaunt = amaunt
def __str__(self):
return f'MyClass({self.amaunt, self.currency})'
@classmethod
def euro(cls, amount):
cls.currency = 'Euro'
return cls(amount)
dollar = MyClass(100)
print(dollar)
euro = MyClass.euro(100)
print(euro)