小编use*_*964的帖子

setlocal enabledelayedexpansion只能在批处理文件中工作吗？如何setlocal enabledelayedexpansion在cmd提示符下使用？

例如，threshold根据doc ，此函数已被弃用。

然而，医生没有说任何替代品。是将来就消失了，还是已经有替代品了？如果是，如何找到替代函数？

本教程中提到 pandas groupby 对象是惰性的。

\n

它\xe2\x80\x99本质上是懒惰的。在您这么说之前，它不会真正执行任何操作来产生有用的结果。

\n

和

\n

还值得一提的是，.groupby() 确实通过为您传递的每个键构建一个 Grouping 类实例来完成一些（但不是全部）分割工作。然而，保存这些分组的 BaseGrouper 类的许多方法都是延迟调用的，而不是在 init ( ) 处调用的，而且许多方法还使用缓存的属性设计。

\n

所以我做了一些测试来确保 groupby 真的很懒。

让

df=pd.DataFrame(np.random.randint(1,10,size=(1000000,4)))\n

然后

%timeit gg=df.groupby(1)\n35.6 \xc2\xb5s \xc2\xb1 110 ns per loop (mean \xc2\xb1 std. dev. of 7 runs, 10000 loops each)\n

这几乎不需要时间。和

%timeit res=gg.get_group(1)\n2.76 ms \xc2\xb1 8 \xc2\xb5s per loop (mean \xc2\xb1 std. dev. of 7 runs, 100 loops each)\n

时间比

%timeit res=df[df[1]==1]\n6.87 ms \xc2\xb1 …

这些天我正在学习C编程语言.我有一个关于指针的问题.

教科书说指针存储内存地址,使用printf("%p",pointer)我们可以显示这个指针在我们的内存中指向的位置.

但每个指针都有一个类型,如int *pointer,long *p等等.int *pointer表示"p是指向int的指针".

我的问题,如果我们写

int *p,i;
p=&i;
*p=99;

如果指针只包含地址信息,程序怎么知道应该用多少位数来存储整数99？因为整数可以是16位int或32位long.

所以我想知道内存中的int指针是否不仅存储地址信息,还存储类型信息？

IMSL 的这一页说

为了获得改进的性能，我们建议链接 LAPACK 和 BLAS 的高性能版本（如果可用）。

什么是 LAPACK 和 BLAS 的高性能版本？

我有这样的文字

real:: a
real :: b
real c

现在我想匹配那些没有::遵循的真实,在这种情况下,我想只匹配第3真实.所以我试着使用前瞻性的正则表达式

real\s*(?!::)

但这匹配

real :: b
real c

对于\s*零或更多的意义\s,为什么real :: b匹配？

更新

感谢WiktorStribiżew.使用regex101调试工具.我们可以发现backtrack让事情变得复杂.

我提出了另一个类似的任务,但我无法解决

real (xx(yy)) :: a
real (zz(pp)):: b
real (cc(rr)) c

再次,我想匹配real (cc(rr))哪个没有::跟随.

real\s*\(.*?\)+(?!\s*::)

这是我试过的,但失败了.看看正则表达式调试,它也是由于回溯.但是如何正确地做到这一点？

我做了一个测试

%timeit list(map(lambda x:x,range(100000)))
%timeit [(lambda x:x)(i) for i in range(100000)]

给

29 ms ± 4.4 ms per loop (mean ± std. dev. of 7 runs, 10 loops each)
51.2 ms ± 3.76 ms per loop (mean ± std. dev. of 7 runs, 10 loops each)

为什么python lambda函数在列表理解中比在map中慢？

我编写了以下Fortran代码来测试atomic和critical

program test
    implicit none
    integer::i
    integer::a(10),b(10),atmp(10),btmp(10)
    a=[1,2,3,4,5,6,7,8,9,10]
    b=[12,32,54,77,32,19,34,1,75,45]
    atmp=a
    btmp=b
    write(*,'(1X,10I4)') a+b
    print*,'------------------'
    !$omp parallel
    !$omp do
    do i=1,10
        B(I) = B(I)+A(I)
    end do
    !$omp end do
    !$omp single
    write(*,'(1X,10I4)') b
    !$omp end single

    a=atmp
    b=btmp
    !$omp do
    do i=1,10
        !$omp critical
        B(I) = B(I)+A(I)
        !$omp end critical
    end do
    !$omp end do
    !$omp single
    write(*,'(1X,10I4)') b
    !$omp end single

    a=atmp
    b=btmp
    !$omp do
    do i=1,10
        !$omp atomic
        B(I) = B(I)+A(I)
        !$omp end atomic
    end do …

例如：

#!/bin/bash
sss='ls -l'
$sss
ttt='a=100'
$ttt

的输出ls是正确的，但是赋值语句会输出错误信息：

第 5 行：a=100：未找到命令

为什么有区别？

如果赋值不是命令，那它是什么？a=100我的意思是显式和从变量扩展之间有什么区别a=100，我的意思是，bash 看到同样的事情a=100，对吗？为什么他们有不同的解释？

我注意到 pandas Series.map() 对于字典映射来说非常快

准备数据如下：

a=np.random.randint(0,1000,10**5)\ns=pd.Series(a)\nd=dict(zip(np.arange(1000),np.random.random(1000)))\n

定时

%timeit -n10 s.map(d)\n%timeit -n10 np.vectorize(d.get)(a)\n

给出

1.42 ms \xc2\xb1 168 \xc2\xb5s per loop (mean \xc2\xb1 std. dev. of 7 runs, 10 loops each)\n20.6 ms \xc2\xb1 386 \xc2\xb5s per loop (mean \xc2\xb1 std. dev. of 7 runs, 10 loops each)\n

其中第二种方法是我在 stackoverflow 上找到的进行 numpy dict 映射的典型建议。

numpy还有另一种典型的解决方案如下

%%timeit -n10 \nb = np.copy(a)\nfor k, v in d.items():\n    b[a==k] = v\n

这使

43.9 ms \xc2\xb1 …