小编sil*_*cer的帖子

我有一个带有"A"和"B"列的多索引数据框.

是否有一种方法可以通过过滤多索引的一列来选择行,而无需将索引重置为单列索引.

例如.

# has multi-index (A,B)
df
#can I do this? I know this doesn't work because the index is multi-index so I need to     specify a tuple

df.ix[df.A ==1]

是否可以通过多索引级别之一对多索引(2级)pandas数据帧进行分组？

我知道这样做的唯一方法是在multiindex上reset_index,然后再次设置索引.我相信有更好的方法可以做到,我想知道如何做.

numpy数组(比方说X)的形状为(N,1)和(N,)有什么区别.它们都不是Nx1矩阵吗？我问的原因是因为有时计算会返回一个或另一个.

我有一个带有 ID 和时间戳的数据框作为多索引。数据框中的索引按 ID 和时间戳排序，我想为每个 ID 选择最新的时间戳。例如：

IDs    timestamp     value
0      2010-10-30     1
       2010-11-30     2
1      2000-01-01     300
       2007-01-01     33
       2010-01-01     400
2      2000-01-01     11

所以基本上我想要的结果是

IDs    timestamp    value
0      2010-11-30   2
1      2010-01-01   400
2      2000-01-01   11

在熊猫中执行此操作的命令是什么？

我在pandas中有一个多索引数据框,其中index是ID和时间戳.我希望能够计算每个ID的时间序列滚动总和,但我似乎无法弄清楚如何在没有循环的情况下完成它.

content = io.BytesIO("""\
IDs    timestamp     value
0      2010-10-30     1
0      2010-11-30     2
0      2011-11-30     3
1      2000-01-01     300
1      2007-01-01     33
1      2010-01-01     400
2      2000-01-01     11""")
df = pd.read_table(content, header=0, sep='\s+', parse_dates=[1])
df.set_index(['IDs', 'timestamp'], inplace=True)
pd.stats.moments.rolling_sum(df,window=2

而这个输出是:

                value
IDs timestamp
0   2010-10-30    NaN
    2010-11-30      3
    2011-11-30      5
1   2000-01-01    303
    2007-01-01    333
    2010-01-01    433
2   2000-01-01    411

注意边缘处的ID 0和1以及1和2之间的重叠(我不希望这样,弄乱我的计算).解决此问题的一种可能方法是在ID上使用groupby,然后循环遍历该groupby,然后应用rolling_sum.

我确信有一个函数可以帮助我在不使用循环的情况下执行此操作.

你能告诉我这段代码有什么问题吗？我在接受采访时被问到这一点,我不确定它有什么问题

tClass是一个带有printSomething方法的测试类,可以打印tClass的成员.

tClass * A = new tClass();
f(A);
A->printSomething();

auto_ptr<tClass> * B = new tClass();
f(B);
B-> printSomething();

或者这是一个棘手的问题.