« first day (1548 days earlier)      last day (1546 days later) » 

11:36 AM
hola chicos que problema podría solucionar con los permision denegado en el mac catalina para crear un carpeta os dejo un link que he creado es.stackoverflow.com/questions/324405/…
 
12:17 PM
@JackNavaRow Alive and kicking. Por?
 
 
4 hours later…
4:01 PM
Hola muchachos...
alguien ha llenado un select en laravel pero con la opcion <optgroup> ?
lo que serían las secciones lo tengo almacenado en una tabla "categories" y lo que serían los items de esas categorías las tengo en otra tabla que se llama "entries"
no se si lo tengo mal planteado... si todo tendría que estar en una sola tabla y tener un flag que especifique que un registro es sección, y otro es item y de que seccion...
 
4:41 PM
0
Q: Cruzada contra los malos títulos

Ruslan LópezTiene tiempo que tengo mi cruzada personal contra las preguntas que contienen "ayuda" en el título. Esto es porque de manera gfeneralziada sus títulos son una basura. Por ejemplo apenas me hallé una pregunta con respuesta cuyo título era algo así como: "Ayuda con ejercicio" Si bien muchas de e...

 
5:07 PM
@abulafia genial te voy a dejar una pregunta
tengo el siguiente objeto
`equipos = [{
		"nombre": "Paraguay",
		"caracteristicas": [{
				"nombre": "defensa",
				"nivel": 95
			},
			{
				"nombre": "ataque",
				"nivel": 95
			},
			{
				"nombre": "posesion",
				"nivel": 25
			}
		]
	},
	{
		"name": "Argentina",
		"caracteristicas": [{
			"nombre": "DT",
			"nivel": 15
		}, {
			"nombre": "ataque",
			"nivel": 70
		}, {
			"nombre": "posesion",
			"nivel": 80
		}]
	}
}`
quisiera que en pandas se viera algo como nombre, defensa, ataque, posesion , DT
va a haber otro objeto que me dira con cual comparar
comparador = {
"defensa" : 100,"DT":100, "posesion" :100

}
intente con
df1 = pd.DataFrame(equipos)
df1 = df1.reset_index(drop=True)
dft = df1.skills.apply(pd.Series)
y no me funciono
 
5:44 PM
equipos = [{
		"nombre": "Paraguay",
		"caracteristicas": [{
				"nombre": "defensa",
				"nivel": 95
			},
			{
				"nombre": "ataque",
				"nivel": 95
			},
			{
				"nombre": "posesion",
				"nivel": 25
			}
		]
	},
	{
		"nombre": "Argentina",
		"caracteristicas": [{
			"nombre": "DT",
			"nivel": 15
		}, {
			"nombre": "ataque",
			"nivel": 70
		}, {
			"nombre": "posesion",
			"nivel": 80
		}]
	}
]
from pandas.io.json import json_normalize
df = json_normalize(equipos, "caracteristicas", ["nombre"], meta_prefix="pais_").set_index(["pais_nombre", "nombre"]).unstack()
>>> print(df)
            nivel
nombre         DT ataque defensa posesion
pais_nombre
Argentina    15.0   70.0     NaN     80.0
Paraguay      NaN   95.0    95.0     25.0
@JackNavaRow ^^^
 
6:11 PM
gracias dude
ahora tengo que calcular el porcentaje del equipo que esta en la variable comparador
habia cambiadjo el json y recorria el df
hice algo asi
for key, value in comparador .items():
    df2["percent_"+ key] = df1[key] *  100 / value
    list_name.append("percent_"+ key)
df2["best_team"] = df2.loc[:, list_name].sum(axis=1) / len(list_name)
lo ultimo ordeno de mayor a menor el best_team
 
6:26 PM
eso lo hice con los datos cambiados
 
No entiendo qué se supone que has de hacer con el comparador ese
 
La idea es que seleccione los valores a comparar con el DF cálculo el porcentaje que hay con respecto al comparador y luego los sumo
Si el comparador me dice DT: 50 hago la regla de tres 100÷=50 => ?÷=15
Luego sumo todos los valores del comprador y ese me dirá que equipo es mejor
Pensé usar knn pero quiero hacer algo básico. Ver como me va
 
7:03 PM
Ah, a ver si me enteré.. el comparador lo que hace es asignar pesos a cada característica. Por tanto estás haciendo una especie de "media ponderada" de las características de cada equipo, para luego ordenarlos en base a eso.
 
8:02 PM
@abulafia en palabras bonitas eso que dijiste
 
8:50 PM
Yo tmb tengo una duda con pandas :(
pero ahora estoy descansando en otra provincia, mañana si vuelvo temprano a casa, les muestro mi problema
@abulafia volvió de su descansó Fjsevilla. Creo que no subiré más puntos jaja
 
@LucasDamian Y yo creo que me tomaré un descanso :-)
 
Jaja y bien merecido
 
import numpy as np
comparador = {"defensa" : 100,"DT":100, "posesion" :100, "ataque": 0}

pesos = np.array(list(comparador[k] for k in df.nivel.columns))
df["score"] = df.nivel.fillna(0).apply(lambda x: np.average(x.values, weights=pesos), axis=1)
>>> print(df)
            nivel                              score
nombre         DT ataque defensa posesion
pais_nombre
Argentina    15.0   70.0     NaN     80.0  31.666667
Paraguay      NaN   95.0    95.0     25.0  40.000000
@JackNavaRow ^^^
 
 
2 hours later…
10:38 PM
Gracias @abulafia!! Hay algo más quisiera ver la ponderación para poder graficar Pero eso lo intentaré hacer los resultados que me mostraste lo logré cambiando el json
 

« first day (1548 days earlier)      last day (1546 days later) »