小编use*_*203的帖子

有没有更好的方法将数组中的元素逐个插入
到所有可能的位置(n + 1个位置).

例如,插入[1]到[6 7 8 9]应该产生:

[1 6 7 8 9]
[9 1 6 7 8]
[8 9 1 6 7]
[7 8 9 1 6]
[6 7 8 9 1]

所以,如果我A = [1 2 3]逐个插入B = [6 7 8 9]它应该产生:

[1 6 7 8 9]
[9 1 6 7 8]
[8 9 1 6 7]
[7 8 9 1 6]
[6 7 8 9 1]
--------------------
[2 6 …

我在这里遇到角度2的麻烦。我使用返回承诺的服务，但是当我尝试检索响应时出现错误。

我读过这个问题， 这是我的代码。

这是HotelService.ts

import { Injectable } from '@angular/core';
import { Http } from '@angular/http';

//rxjs promises cause angular http return observable natively.
import 'rxjs/add/operator/toPromise';

@Injectable()
export class HotelService {

    private BASEURL : any = 'http://localhost:8080/hotel/';

    constructor(private http: Http) {}  

    load(): Promise<any> {
        return this.http.get(this.BASEURL + 'api/client/hotel/load')
            .toPromise()
            .then(response => {
                response.json();
                //console.log(response.json());
            })
            .catch(err => err);
    }
}

此Hotel.ts（组件）

import { Component, OnInit } from '@angular/core';
import { NavController } from 'ionic-angular';

import { HotelService } from …

我有这种格式的用户名RSmith.我可以将它们放在所有upercase或标题中看起来像这样,Rsmith,但我需要RSmith.

当前脚本:

import csv

app_csv = ('/tmp/lowerAccounts.csv')
app_csv_upper = ('/tmp/Identity_Accounts.csv')
in_app_csv = open(app_csv)
out_app_csv = open(app_csv_upper, 'w')
inreader = csv.reader(in_app_csv)
outwriter = csv.writer(out_app_csv)
for row in inreader:
    outwriter.writerow(row)
    row[0] = row[0].upper()
    outwriter.writerow(row)
    row[0] = row[0].title(row)
    outwriter.writerow(row)

我正在尝试使用pip命令将 Python 3.6.3 更新到 3.6.5。但没有成功。我想知道是否可以使用pip更新 Python 。或者我必须从网站下载 Python 3.6.5？

我有以下数据帧:

    Timestamp   id  lat         long
0   665047      a   30.508420   -84.372882
1   665047      b   30.491882   -84.372938
2   2058714     b   30.492026   -84.372938
3   665348      a   30.508420   -84.372882
4   2055292     b   30.491899   -84.372938

我希望的结果是:

    Timestamp                        a                       b     
0   665047     [30.508420,  -84.372882] [30.491882, -84.372938]
1   665348     [30.508420,  -84.372882]                    NaN
2   2055292                        NaN  [30.491899, -84.372938]
3   2058714                        NaN  [30.492026, -84.372938]

在df.id成为列标题中找到的唯一值(可能有数千个),其纬度和经度为值.

我最接近的是使用:

for i, r in df.iterrows():
    dct[r.Timestamp].append([r.id, r.lat, r.long])

pd.DataFrame.from_dict(dct, orient='index')


                                0                                   1
2055292 [b, 30.491899, -84.372938]                               None
2058714 [b, 30.492026, -84.372938] …

无论如何要根据另一个变量重命名值？在这里，我有两列，其中一列是 ID，另一列是水果。但是，我在想是否可以根据 ID 唯一地识别它们

ID  Fruits
1    Apple
1   Banana
1   Orange
1   Banana
2    Apple
2   Orange
2   Orange
3    Apple
3    Apple
3   Orange

希望实现这样的目标

ID  Fruits
1    Apple
1   Banana
1   Orange
1  Banana1
2    Apple
2   Orange
2  Orange1
3    Apple
3   Apple1
3   Orange

如何做这个列表/字典理解把这个 [("a", 1), ("b", 2), ("a", 3)]

进入这个

{
  "a": [1, 3],
  "b": [2]
}

我知道如何在 for 循环中执行此操作，我可以只使用一行来完成这项工作吗？

这是我的桌子：

   A  B  C  E
0  1  1  5  4
1  1  1  1  1
2  3  3  8  2

现在，我想按A列和B列对所有行进行分组。应该对C列求和，对于E列，我想使用C值为最大值的值。

我完成了将A和B分组并求和C的第一部分。

df = df.groupby(['A', 'B'])['C'].sum()

但是在这一点上，我不确定如何告诉E列应采用C为最大值的值。

最终结果应如下所示：

   A  B  C  E
0  1  1  6  4
1  3  3  8  2

有人可以帮我解决过去的问题吗？谢谢！

假设我有两个以下形式的字典：

{'A':[1,2,3,4,5,6,7],
 'B':[12,13,14,15,16,17,18} - Belongs to category "M"

{'A':[8,9,10,11,12,13,14],
 'B':[18,19,20,21,22,23,24]} - Belongs to category "P"

现在生成的数据框应该是这样的形式——

Name . Value . Category

A    .  1    .  M
A    .  8    .  P
A    .  10   .  P
B    .  12   .  M

等等。怎样才能实现这样的目标呢？

我有一个熊猫数据框df：

import pandas as pd
import numpy as np
data = {'A':[250,100,400,np.nan,300]}
df = pd.DataFrame(data)
print(df)

       A
0  250.0
1  100.0
2  400.0
3    NaN
4  300.0

我想根据列表（值）中的值来转换此数据仓库（DF）。

values = [0,200,400,600]

在df中，第一个数字为250。它在list values中介于200和400之间，使得（| 200-250 |）/（400-200）= 0.25和（400-250）/（400-200）= 0.75。如果缺少数据（np.nan），则必须用0填充行。我要以这种方式将此表示为数据框的值进行转换。

所需的数据框：

     0   200   400  600
0  0.0  0.25  0.75  0.0
1  0.5  0.50  0.00  0.0
2  0.0  0.00  1.00  0.0
3  0.0  0.00  0.00  0.0
4  0.0  0.50  0.50  0.0