小编Zha*_*g18的帖子

这可能听起来很基本.但我是Java的新手.到目前为止,我已经投入了很少的初始学习时间,我一直对新对象声明的语法冗余感到困惑:

TypeName a = new TypeName();

特别是,

String s = new String("abc");
Character c = new Character("A");

世界上为什么会有人想要输入关键字TypeName(例如String,Character等...)的两倍？我知道有简短的手:

String s = "abc";
char c = "A";

但这些是例外而不是规则.那么有人可以开导我吗？谢谢.

在Python3中,我应该使用什么类型来检查字典键是否属于它？

>>> d = {1 : 2}
>>> type(d.keys())
<class 'dict_keys'>

所以很自然地我试过这个:

>>> isinstance(d.keys(), dict_keys)
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
NameError: name 'dict_keys' is not defined

我该怎样代替明确的dict_keys第二个参数isinstance？

(这很有用,因为我必须处理可以采用字典键形式的未知输入变量.我知道使用list(d.keys())可以转换为列表(恢复Python2行为)但在这种情况下这不是一个选项.)

我可以使用.loc()以下方法在数据框中创建新行:

>>> df = pd.DataFrame({'a':[10, 20], 'b':[100,200]}, index='1 2'.split())
>>> df
    a    b
1  10  100
2  20  200
>>> df.loc[3, 'a'] = 30
>>> df
      a      b
1  10.0  100.0
2  20.0  200.0
3  30.0    NaN

但是如何使用相同的方法创建多个行？

>>> df.loc[[4, 5], 'a'] = [40, 50]
...
KeyError: '[4 5] not in index'

我熟悉.append(),但我正在寻找一种方法,不需要在附加到系列之前将新行构造到系列中df.

期望的输入:

>>> df.loc[[4, 5], 'a'] = [40, 50]

期望的输出

      a      b
1  10.0  100.0
2  20.0  200.0
3  30.0    NaN
4  40.0    NaN …

自从Pandas 0.20.ix已被弃用以来,我想知道在Pandas中混合基于标签,基于布尔和基于位置的索引的正确方法是什么？我需要为一个数据帧切片赋值,这些数据帧可以在索引和列上的位置上使用label或boolean进行最佳引用.例如(使用.loc所需切片方法的占位符):

df.loc[df['a'] == 'x', -12:-1] = 3

显然这不起作用,我得到了:

TypeError: cannot do slice indexing on <class 'pandas.core.indexes.base.Index'> with these indexers [-12] of <class 'int'>

如果我使用.iloc,我得到:

NotImplementedError: iLocation based boolean indexing on an integer type is not available

那么我怎么做,没有链接,显然是为了避免链式分配问题.

我在 Windows Server 2012 R2（也是 AD DC）上安装了 SQL Server 2014。当我尝试从同一本地域上的客户端桌面使用 SQL Server Management Studio (SSMS) 连接到它时，收到以下错误消息：

The target principal name is incorrect. Cannot generate SSPI context. (Microsoft SQL Server)

因此，根据同一问题的其他帖子，我在 SQL 服务器上下载了 Kerberos 配置管理器，它发现了 2 个错误的 SPN。Kerberos 配置管理器建议的 SPN 脚本命令如下：

SetSPN -d "MSSQLSvc/SERVERNAME.internal.domain.com" "internal\SERVERNAME$"
SetSPN -s "MSSQLSvc/SERVERNAME.internal.domain.com" "DOMAIN\SERVERNAME$"

但是当我尝试在服务器上的 cmd 中运行第一个命令（“SetSPN -d”命令）时，出现以下错误：

FindDomainForAccount: Call to DsGetDcNameWithAccountW failed with return value 0x0000054B
Unable to locate account SERVERNAME$

我不知道如何从这里继续前进。谷歌搜索并没有找到正确的答案。请帮忙。问题是：

1) 错位的 SPN 是罪魁祸首吗？如果是，如何纠正？

2) 如果没有，如何使用 Windows 身份验证从同一本地域上的客户端桌面连接到 SQL Server？

我的问题类似于这个,但是在通过RPy将R导入Python的上下文中.具体来说,当我跑

from rpy import *

在我的python脚本的开头,有一大块消息被转储到屏幕(或输出设备),从开始

Parsing output:  R version 2.13.2 (2011-09-30)
Copyright (C) 2011 The R Foundation for Statistical Computing
... ...

我想quiet_require从这里实现,但是没有看到它如何适合导入所有模块的上下文.

我知道这是可能的,因为在另一个盒子上运行的相同程序不会输出任何消息.

UPDATE:这并没有必须的Python内解决.如果我能以某种方式调整R端的变量以允许所有调用都是安静的,那也是有效的.我只是不知道该怎么做.

我有一个使用PDL. 最后一步是点积，因此它返回一个标量。然而，当我尝试打印这个标量时，它显然仍然是一个小数点，并在屏幕上打印如下：

[
  [ 3 ]
]

我想知道如何将它转换回常规 Perl 标量，以便它打印如下：

3 

更重要的是，如果我不转换并将该 piddle 在纯 Perl 上下文（不涉及 PDL）中进行进一步的算术操作，会产生什么后果。谢谢！

我有一个监视.avi视频文件,其中包括大多数仍然(不变)的帧.但是,某些对象(和人)进入视野并在短时间内退出.我需要提取那些帧.

整个视频持续时间很长(24小时以上),这使我无法实时重播.是否有可以按帧解析文件的Perl模块？有了这个,我想我可以快速将帧转换为一些直方图,并比较相邻的帧,以找到重大的变化.这个网页说明了一般的方法,但我找不到脚本(keyframe.pl)或使用的模块(授予的是.mpeg文件).

如果不存在解析.avi的直接模块,我可以将视频转换为.mpeg(或任何其他形式),那么请直接将我引导到其他可以解析文件的模块？

谢谢!

我有一个带有列多索引的DataFrame：

System   A                B
Trial    Exp1    Exp2     Exp1    Exp2
1        NaN     1        2       3
2        4       5        NaN     NaN
3        6       NaN      7       8

对于每个系统（A, B）和每个度量（1, 2, 3以索引表示），结果Exp1始终优于Exp2。因此，我想为每个系统生成一个第三列，将其命名为Final，该列应Exp1在可用时使用，Exp2否则默认使用。理想的结果是

System   A                       B
Trial    Exp1    Exp2    Final   Exp1    Exp2    Final
1        NaN     1       1       2       3       2
2        4       5       4       NaN     NaN     NaN
3        6       NaN     6       7       8       7

做这个的最好方式是什么？

我试图groupby在列上使用：

grp = df.groupby(level=0, …

我有一个非常简单的 Pandas 系列：

xx = pd.Series([1, 2, np.nan, np.nan, 3, 4, 5])

如果我运行这个，我会得到我想要的：

>>> xx.rolling(3,1).mean()
0    1.0
1    1.5
2    1.5
3    2.0
4    3.0
5    3.5
6    4.0

但是，如果我必须使用.apply()，则无法通过忽略操作中的NaNs 来使其mean()工作：

>>> xx.rolling(3,1).apply(np.mean)
0    1.0
1    1.5
2    NaN
3    NaN
4    NaN
5    NaN
6    4.0

>>> xx.rolling(3,1).apply(lambda x : np.mean(x))
0    1.0
1    1.5
2    NaN
3    NaN
4    NaN
5    NaN
6    4.0

我应该怎么做才能.apply()在第一个输出中使用并获得结果？我的实际问题更复杂，我必须用.apply()它来实现，但归结为这个问题。