df[['discounted_price']] = df[['discounted_price']].replace({'\₹':''},regex=True)作用详细
时间: 2023-10-10 15:06:00 浏览: 39
这行代码的作用是将DataFrame中名为'discounted_price'的列的值中的"₹"符号替换为空字符串。
具体来说,`df[['discounted_price']]`选取了名为'discounted_price'的列,并将其转化为一个DataFrame对象。然后,`.replace({'\₹':''},regex=True)`方法调用了DataFrame对象的replace()方法,将所有包含符号"₹"的字符串替换为空字符串。其中,`{'\₹':''}`是一个字典,表示将"₹"替换为空字符串。`regex=True`表示使用正则表达式进行替换。
最终,将替换后的值赋值回原DataFrame对象中的'discounted_price'列,实现了从原始数据中去除"₹"符号的目的。
相关问题
while not ep_done: num_steps += 1 if train_params.RENDER: self.env_wrapper.render() action = self.sess.run(self.actor_net.output, {self.state_ph:np.expand_dims(state, 0)})[0] # Add batch dimension to single state input, and remove batch dimension from single action output action += (gaussian_noise() * train_params.NOISE_DECAY**num_eps) next_state, reward, terminal = self.env_wrapper.step(action) episode_reward += reward next_state = self.env_wrapper.normalise_state(next_state) reward = self.env_wrapper.normalise_reward(reward) self.exp_buffer.append((state, action, reward)) if len(self.exp_buffer) >= train_params.N_STEP_RETURNS: state_0, action_0, reward_0 = self.exp_buffer.popleft() discounted_reward = reward_0 gamma = train_params.DISCOUNT_RATE for (_, _, r_i) in self.exp_buffer: discounted_reward += r_i * gamma gamma *= train_params.DISCOUNT_RATE run_agent_event.wait() PER_memory.add(state_0, action_0, discounted_reward, next_state, terminal, gamma) state = next_state
这段代码是主循环中的一部分,其中包含了执行动作、观察环境、更新经验缓存等操作。具体来说,算法执行以下步骤:
1. 累计步数;
2. 如果需要渲染环境,则渲染环境;
3. 使用Actor网络计算当前状态的动作;
4. 对动作添加高斯噪声;
5. 执行动作并观察新状态和奖励;
6. 累计回报;
7. 对新状态进行归一化处理;
8. 对奖励进行归一化处理;
9. 将经验添加到经验缓存中;
10. 如果经验缓存已满,则计算N步回报,并将经验添加到优先经验回放缓存中;
11. 更新状态。
在这个过程中,Actor网络用于计算当前状态下的动作,而高斯噪声则用于增加探索性,以便算法能够更好地探索环境。在执行动作之后,算法会观察新状态和奖励,并将它们添加到经验缓存中。如果经验缓存已满,算法会计算N步回报,并将经验添加到优先经验回放缓存中。最后,算法会更新状态并继续执行主循环。
用Python编写一个函数calculate_discounted_price,该函数接受两个参与price和discount,分别表示原始价格和折扣百分比0~100之间的浮点数,并返回打折后的价格。:
好的,下面是用Python编写的函数calculate_discounted_price的代码:
```python
def calculate_discounted_price(price, discount):
"""
计算打折后的价格
:param price: 原始价格
:param discount: 折扣百分比,0~100之间的浮点数
:return: 打折后的价格
"""
discounted_price = price * (1 - discount/100)
return discounted_price
```
使用方法:
```python
price = 100
discount = 20.0
discounted_price = calculate_discounted_price(price, discount)
print(discounted_price) # 输出80.0
```
这个函数的作用是计算打折后的价格,接受两个参数:原始价格和折扣百分比,返回打折后的价格。函数体内的计算方法就是原价乘以(1-折扣百分比),得到折扣后的价格。