Which datatypes does `to_dense` accept?
I maintainer di solito rispondono entro 1 giorno
Nessuno ha ancora preso questa issue.
Valutazione
- Difficoltà
- 3/5
- Tempo stimato
- Mezza giornata
- Idoneità per principianti
- 38/100
Direzione di ricerca
Inizia leggendo i punti di ingresso pubblici fast_array_utils.conv.to_dense e fast_array_utils.conv.scipy.to_dense menzionati nell’issue. Documenta quali tipi di dati in ingresso sono supportati, incluso l’esempio pandas DataFrame, e spiega perché i due punti di ingresso sono separati. Il lavoro è completato quando gli input supportati e la loro relazione sono chiari agli utenti.
Scritto dal modello di indicizzazione a partire dal testo della issue.
Descrizione
Thank you for this package!
I was wondering if you could extend either the functionality or the documentation of supported input datatypes of to_dense
For example the following common use-case works:
In [1]: import pandas as pd
In [2]: import numpy as np
In [3]: from fast_array_utils.conv import to_dense
In [4]: to_dense(pd.DataFrame(np.random.randn(100,5)))
but it is not documented.
Furthermore, I was wondering why you split the functionality into: fast_array_utils.conv.scipy.to_dense and fast_array_utils.conv.to_dense
For me the advantage of this function is precisely not having to think about the which kind of array we are putting in.
Thank you!
- Lingua principale
- Python
- Stelle
- 15
- Fork
- 5
- Merge medio
- 14h 52m
- PR unite (30g)
- 13
Preparare l'ambiente
Questo progetto non fornisce container di sviluppo, Dockerfile né guida per i contributori, quindi l'ambiente è a tuo carico: parti dal suo README e consulta la nostra guida al primo contributo per i passaggi generali.
Come iniziare
- Leggi tutta la issue e poi la guida ai contributi del progetto.
- Commenta sulla issue per dire che te ne occupi tu — evita che due persone facciano lo stesso lavoro.
- Fai un fork del repository e lavora su un branch.
- Apri una pull request che faccia riferimento al numero della issue.
Altre issue di scverse/fast-array-utils
-
Difficoltà 1/5 1-3 ore Idoneità per principianti 74/100
scverse/fast-array-utils#165 ·
I maintainer di solito rispondono entro 1 giorno
-
Difficoltà 3/5 1-2 giorni Idoneità per principianti 72/100
scverse/fast-array-utils#224 · 1 commento ·
I maintainer di solito rispondono entro 1 giorno
-
Difficoltà 3/5 1-2 giorni Idoneità per principianti 65/100
scverse/fast-array-utils#213 · 4 commenti ·
I maintainer di solito rispondono entro 1 giorno
-
type: numpy/scipy
Difficoltà 5/5 Più di una settimana Idoneità per principianti 25/100
scverse/fast-array-utils#128 ·
I maintainer di solito rispondono entro 1 giorno
-
component: documentation
Difficoltà 5/5 Più di una settimana Idoneità per principianti 20/100
scverse/fast-array-utils#89 ·
I maintainer di solito rispondono entro 1 giorno
Tutte le issue di scverse/fast-array-utils
Issue simili
-
feature:LinkChecker
Difficoltà 2/5 1-3 ore Idoneità per principianti 66/100
digitalfabrik/integreat-cms#4594 ·
I maintainer di solito rispondono entro 5 giorni
-
Difficoltà 2/5 1-3 ore Idoneità per principianti 78/100
I maintainer di solito rispondono entro 1 giorno
-
Difficoltà 2/5 1-3 ore Idoneità per principianti 70/100
EleutherAI/lm-evaluation-harness#4319 ·
I maintainer di solito rispondono entro 1 giorno
-
needs triage
Difficoltà 2/5 1-3 ore Idoneità per principianti 76/100
I maintainer di solito rispondono entro 1 giorno
-
json_params_matcher fails on falsy top-level JSON primitives (0, False, "")Forse già presa @mayureshsonawane17 l’ha presa oggi. ApertaWaiting for: Product Owner
Difficoltà 2/5 1-3 ore Idoneità per principianti 84/100
I maintainer di solito rispondono entro 5 giorni