我有一个pandas DataFrame,我想删除它中的行,其中特定列中的字符串长度大于2.我知道我可以df.dropna()用来摆脱包含any的行NaN,但我没有看到如何基于条件表达式删除行.
这个问题的答案似乎与我想要的非常接近 - 似乎我应该能够做到这样的事情:
df[(len(df['column name']) < 2)]
但我得到错误:
KeyError: u'no item named False'
谁能告诉我我做错了什么？
我正在编写一个以离散步骤进行的模拟程序.模拟由许多节点组成,每个节点都有一个与之关联的浮点值,每个节点都会重新计算.结果可以是正数,负数或零.
在结果为零或更少的情况下发生的事情.到目前为止,这似乎很简单 - 我可以为每个节点做这样的事情:
if (value <= 0.0f) something_happens();
然而,在我最近对程序进行的一些更改之后出现了一个问题,在该程序中我重新安排了某些计算完成的顺序.在一个完美的世界中,在重新安排之后,数值仍然会相同,但由于浮点表示的不精确,它们的出现略有不同.由于每个步骤的计算取决于前一步骤的结果,因此随着模拟的进行,结果中的这些微小变化会累积成更大的变化.
这是一个简单的示例程序,演示了我所描述的现象:
float f1 = 0.000001f, f2 = 0.000002f;
f1 += 0.000004f; // This part happens first here
f1 += (f2 * 0.000003f);
printf("%.16f\n", f1);
f1 = 0.000001f, f2 = 0.000002f;
f1 += (f2 * 0.000003f);
f1 += 0.000004f; // This time this happens second
printf("%.16f\n", f1);
这个程序的输出是
0.0000050000057854
0.0000050000062402
即使加法是可交换的,所以两个结果应该是相同的.注意:我完全理解为什么会发生这种情况 - 这不是问题.问题在于,这些变化可能意味着有时一个曾经在步骤N中出现负值的值,触发something_happens(),现在可能在一两步之前或之后出现负值,这可能导致整体模拟结果非常不同,因为something_happens()有很大的影响.
我想知道的是,是否有一个很好的方法可以决定何时应该触发something_happens(),这不会受到重新排序操作导致的计算结果微小变化的影响,从而导致更新版本的行为我的程序将与旧版本保持一致.
我到目前为止唯一能够想到的解决方案是使用像这样的值epsilon:
if (value < epsilon) something_happens();
但是因为结果中的微小变化随着时间的推移而积累,我需要使epsilon相当大(相对而言)以确保变化不会导致something_happens()在不同的步骤中被触发.有没有更好的办法？
我已经阅读了这篇关于浮点比较的优秀文章,但我没有看到所描述的任何比较方法在这种情况下如何帮助我.
注意:不能使用整数值.
编辑使用双精度而不是浮点数的可能性已被提出.这不会解决我的问题,因为变化仍然存在,它们只是一个较小的量级.