小编Ros*_*ose的帖子

我有以下df,我想按日期和参考分组,但总和条件.

在这方面,我需要按日期和参考进行分组,并且仅当P>> = PP时才加'Q'列.

df = DataFrame({'Date' : ['1', '1', '1', '1'],
                'Ref' : ['one', 'one', 'two', 'two'],
                'P' : ['50', '65', '30', '38'],
                'PP' : ['63', '63', '32', '32'],
                'Q' : ['10', '15', '20', '10']})

df.groupby(['Date','Ref'])['Q'].sum() #This does the right grouping byt summing the whole column
df.loc[df['P'] >= df['PP'], ('Q')].sum() #this has the right sum condition, but does not divide between Date & Ref

有没有办法做到这一点？提前谢谢了

在python中可以解决A*x=B。但是是否有可能解决 A*(B+x)=Cx是未知向量和x1 = 0的问题，从而使我们有2个方程和2个未知值并平方？

A= np.array([[1,2,3],[3,2,1]])
B= np.array([10,20,-10])
C= np.array([0,0])

¿XX= np.array([0,1,1]) >> so that we only solve x2 and x3?

Solution: x = array([0, -40, 20])

我知道我可以做类似A * x = B的事情，但是我想更直接地做到这一点：

A=np.array([[2,3],[2,1]])
B=np.array([-10,-30])
x=np.linalg.solve(A,B)

array([-20.,  10.])

总而言之，我想要一个X矢量，它是（0，x2，x3），因此它成为可以求解的方程，但仍然不知道如何使用np.linalg.solve（）来实现。然后系统将如下所示：

(10+x1) +( 40+2x2) - (30+3x3) = 0
(30+3x1) + (40+2x2) - (10+x3) = 0

10 + ( 40+2x2) - (30+3x3) = 0
30 + (40+2x2) - (10+x3) = 0

只解决x2和x3