df = pd.DataFrame(np.arange(6).reshape(-1, 2))
df.columns = [fr"col{i}" for i in df.columns]
# df["newCol"] = range(10), list(range(10) length dont match
df["newCol"] = pd.Series(range(10)) # 少了nan 多了            
                
                    
                        
                                                            
                                                                        
                                                                                        原创
                                                                                    
                            2024-02-23 16:07:05
                            
                                40阅读
                            
                                                                             
                 
                
                             
         
            
            
            
            准备工作:import pyspark
from pyspark import SparkContext
from pyspark import SparkConf
conf=SparkConf().setAppName("lg").setMaster('local[4]')    #local[4]表示用4个内核在本地运行  
sc=SparkContext.getOrCreate(conf)            
                
                    
                        
                                                            
                                                                        
                                                                                        转载
                                                                                    
                            2023-09-19 23:11:59
                            
                                113阅读
                            
                                                                             
                 
                
                                
                     
                                    
                             
         
            
            
            
            import pandas as pd
df = pd.DataFrame(columns=['客户代码', 'ZSD110'])
df1 = pd.DataFrame([["100", 100]], columns=['客户代码', 'ZSD110'])
print(
    df + df1
)1 结果都是nan 与预期不符2 格式为设置 默认str 有什么影响 用于统计            
                
                    
                        
                                                            
                                                                        
                                                                                        原创
                                                                                    
                            2024-03-25 08:20:44
                            
                                0阅读
                            
                                                                             
                 
                
                             
         
            
            
            
            df = pd.DataFrame(np.arange(4).reshape(2, -1))
pd.concat([df, df.iloc[[0]]])  # df.iloc[[i]] ~ df
pd.concat([df, df.iloc[0]])  # df.iloc[i] ~ series            
                
                    
                        
                                                            
                                                                        
                                                                                        原创
                                                                                    
                            2023-12-22 09:03:59
                            
                                115阅读
                            
                                                                             
                 
                
                                
                     
                                    
                             
         
            
            
            
            # ser change
import pandas as pd
df = pd.DataFrame()
df["col1"] = [11, 12]
df["col2"] = [21, 22]
ser = df.iloc[0]
ser.iloc[0] = 100  # SettingWithCopyWarning
print(df)  # uncover, undo origin df            
                
                    
                        
                                                            
                                                                        
                                                                                        原创
                                                                                    
                            2024-06-07 15:08:42
                            
                                106阅读
                            
                                                                             
                 
                
                             
         
            
            
            
            模块说道模块肯定还有包,模块是和主py文件在同一目录下的另个一py文件,而包则是文件夹级别的,现在不说包,只说模块,按照我的个人理解和实际运用来。模块导入假设导入的模块是moduel.py,里面包含一个f()函数和一个g()函数,那么现在要在当前文件execute.py中使用这些函数该怎么办呢?我们来看如下代码吧:#moduel.py
def f():
	print "I'm f "
def g(            
                
         
            
            
            
            df = pd.DataFrame()
df["col"] = 0  # 输入无效
df["col"] = [0]  # series 输入series 或 array 或 list
df            
                
                    
                        
                                                            
                                                                        
                                                                                        原创
                                                                                    
                            2023-12-27 17:23:08
                            
                                150阅读
                            
                                                                             
                 
                
                             
         
            
            
            
            import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
plt.rcParams["font.sans-serif"] = ["SimHei"]
plt.rcParams["axes.unicode_minus"] = False
data = [[1,"2", "3"],[2, "a"]]
df = pd.D            
                
                    
                        
                                                            
                                                                        
                                                                                        原创
                                                                                    
                            2024-05-24 17:53:45
                            
                                89阅读
                            
                                                                             
                 
                
                             
         
            
            
            
            import pandas as pd
import numpy as np
def main() -> None:
    df = pd.DataFrame(np.arange(6).reshape(-1, 2))
    df.columns = ["a", "b"]
    df = df.reset_index().reset_index()  #.reset_index()            
                
                    
                        
                                                            
                                                                        
                                                                                        原创
                                                                                    
                            2024-02-20 08:20:24
                            
                                58阅读
                            
                                                                             
                 
                
                             
         
            
            
                
                    import pandas as pd  df = pd.DataFrame([     [1, 1, 2, 2],     [1, 1, 1, 1],     [1, 1, 1, 1], ]).T
                
             
            
            import pandas as pd
df = pd.DataFrame([
    [1, 1, 2, 2],
    [1, 1, 1, 1],
    [1, 1, 1, 1],
]).T
df.columns = [fr"col{i}" for i in df.columns]
print(
    df.pivot_table(
        index=["col0"],            
                
                    
                        
                                                            
                                                                        
                                                                                        原创
                                                                                    
                            2024-03-22 15:25:40
                            
                                221阅读
                            
                                                                             
                 
                
                             
         
            
            
            
            第三代测序之Pacific Biosciences  测序竞赛愈发激烈。随着技术的不断改进,到底哪家公司能够首先冲过千元基因组的终点线呢?局势目前尚不明朗,但普遍认为第三代测序更有希望。生物通这次就向读者介绍几个第三代测序公司。第二站是Pacific Biosciences。  众所周知,天然的DNA复制本身就是一个非常高效且准确的过程。真核生物DNA复制的速度达几十个核苷酸/            
                
                    
                        
                                                            
                                                                        
                                                                                        转载
                                                                                    
                            2023-08-30 21:57:05
                            
                                78阅读
                            
                                                                             
                 
                
                             
         
            
            
            
            df = pd.DataFrame([[[]]])
df.columns = ["col"]
df.query("col == []")  # 不会按照字面意思筛选单元格值==[]
# df["col"] == []  # valueError
df.loc[df["col"].astype(str) == "[]"]
df.query("col.astype('str') == '[]'")            
                
                    
                        
                                                            
                                                                        
                                                                                        原创
                                                                                    
                            2023-12-27 17:00:54
                            
                                162阅读
                            
                                                                             
                 
                
                             
         
            
            
            
            # copy
import pandas as pd
df = pd.DataFrame({"co1": [1]})
def foo(df):
    df["col2"] = 2
def bar(df):
    df = df.copy()
    foo(df=df)
    print(df)  # df就在原地生效
bar(df=df)# copy
import pand            
                
                    
                        
                                                            
                                                                        
                                                                                        原创
                                                                                    
                            2024-06-07 17:15:24
                            
                                99阅读
                            
                                                                             
                 
                
                             
         
            
            
            
            文章目录1. join:默认情况下他是把行索引相同的数据合并到一起2. merge:按照指定的列把数据按照一定的方式合并到一起2.1内连接2.2 外            
                
                    
                        
                                                            
                                                                        
                                                                                        原创
                                                                                    
                            2022-12-28 15:28:48
                            
                                431阅读
                            
                                                                             
                 
                
                                
                     
                                    
                             
         
            
            
            
            在操作系统中,有两个非常常用的命令是`aix df`和`linux df`。这两个命令都是用来显示磁盘空间使用情况的,但是在不同的操作系统中有一些差异。下面将分别介绍这两个命令在AIX系统和Linux系统中的用法和特点。
首先是`aix df`命令。`aix df`命令用于显示文件系统的磁盘空间使用情况。在AIX系统中,`df`表示“display free”,它能够显示文件系统的名称、总容量、            
                
                    
                        
                                                            
                                                                        
                                                                                        原创
                                                                                    
                            2024-03-26 11:24:54
                            
                                138阅读
                            
                                                                             
                 
                
                             
         
            
            
            
            prlctl set "101 Win 2012R EDR Master klion.local ESET FILE Security 7.3" --cpus auto --sync-host-printers off --sync-default-printer off --show-host-p ...            
                
                    
                        
                                                            
                                                                        
                                                                                        转载
                                                                                    
                            2021-08-19 23:52:00
                            
                                214阅读
                            
                                                                                    
                                2评论
                            
                                                 
                 
                
                             
         
            
            
            
            1. PDD层代码简单分析
PDD层的主要包含了以下2个类:CSerialPDDPowerUpCallback, CSerialPDD, 下面简单的分析这2个类的作用。
1.1 CSerialPDDPowerUpCallback
CSerialPDDPowerUpCallback 类用于串口电源上电时的处理。
在调用CSerialPDD::Init()后会创建一个CSerialPDDPowerUp            
                
         
            
            
            
             文章目录1、PDB2、PySnooper  参考:https://mp.weixin.qq.com/s/ziUIyYPpAjq-g_CgQ_kFcQ 1、PDBpdb是Python中的一个内置模块,启用pdb后可以对代码进行断点设置和跟踪调试。为了演示方便,我们准备一个样例程序pdb_test.py: 之后在终端中输入python -m pdb pdb_test.py命令,进入pdb的调试模式:            
                
                    
                        
                                                            
                                                                        
                                                                                        转载
                                                                                    
                            2023-11-30 15:53:49
                            
                                64阅读
                            
                                                                             
                 
                
                                
                     
                                    
                             
         
            
            
            
            产品经理都在做什么?——浅谈产品实现的流程作者:山重水复   撰写日期:2011-9-28产品经理,Product Design(Manager),PDM/PD。产品多种多样,水杯、家电、食品……这里特指互联网领域的产品。产品经理也是指互联网领域做产品的人。我们今天来谈谈产品经理,即PD,都是些什么人?都在做什么?一、谁是产品经理?有本很神奇的书《人人都是产品经理》,说的挺好,            
                
                    
                        
                                                            
                                                                        
                                                                                        转载
                                                                                    
                            2023-10-25 18:41:22
                            
                                85阅读
                            
                                                                             
                 
                
                             
         
            
            
            
            Boot Camp 是苹果电脑发布的一款多重开机引导软件,用于帮助用家在内置Intel处理器的苹果电脑上,安装微软的Windows系列操作系统。这软件包含了不具破坏性的分区磁盘工具,和支持Windows的驱动程序CD镜像文件。除了这些驱动程序外,亦包括了Windows控制台用来设置用户主要的操作系统。它不是一个虚拟化的程序,因为它容许Windows和Mac OS X两种操作系统并存。不过,Boot            
                
                    
                        
                                                            
                                                                        
                                                                                        转载
                                                                                    
                            2024-02-05 11:43:19
                            
                                22阅读