NoOneNoBody 最近的时间轴更新
这是个什么东西
99 天前
NoOneNoBody

NoOneNoBody

V2EX 第 536788 号会员,加入于 2021-03-09 16:51:03 +08:00
根据 NoOneNoBody 的设置,主题列表被隐藏
二手交易 相关的信息,包括已关闭的交易,不会被隐藏
NoOneNoBody 最近回复了
我把它扔进沙盒后就不卡了
2 天前
回复了 iisboy 创建的主题 生活 大家有什么好的搞老鼠的办法?
以前水管在室内(楼内),没有老鼠,后来好多家庭维修水管不方便(需要楼上楼下配合才能修),水管移到楼外,老鼠就能爬上来,我家进入了战鼠时代

装了金属防蚊网(租房就不适合了,花费大)主要不是防蚊而是防老鼠入室内,之前进来过,为了赶它烦死了
装了防蚊网后,老鼠进不来,但在阳台很欢乐,晚上 8 点就开始吱吱叫,听声音起码两只以上在打架,在花槽、花盆打洞,弄死了好多花

后来改了习惯,晚上 11 点后才浇花,浇花要亮灯,至少吓走一次,然后放一盏感应小夜灯在老鼠出没的地方,加了个超声波驱鼠器,吱吱声基本没了,老鼠还有来,因为老鼠屎还有,不过量少了很多,也不打洞了,估计即使有来也没有停留很久

室内的话还是猫狗合适,不管它是否抓老鼠,老鼠要留下也是要冒生命危险的,基本不进屋了
2 天前
回复了 star505 创建的主题 问与答 世界上存在完全随机的事件吗?
假设让时间倒流,而一切都不发生改变,让该事件重来一次,如果所谓的随机事件一定还是原来时间倒流前的那个结果,我们就可以说这个事件不是完全随机的,否则,则是完全随机的。
===================================
这个推理不成立啊,因为里面的断言“所谓的随机事件一定还是原来时间倒流前的那个结果”是目前无法证明的。不能用无法证明的断言作为论据
我不是说你的观点就是错的,只是说目前无法理解和判断这个观点的合理性

从唯物主义看,只有“状态变化和迁移”,而不是“因与果”,因与果是人类对某种现象的解释
1.前置状态、参数、变量一致,其产生的变化状态也是一致
2.前置状态、参数一致,变量随机,其产生的变化状态也是随机
你应该只想到这两点
但注意,第二条并非“状态必然不同”的结论
所以第二条还有子项推论:
a.随机能产生相同或不同的状态
b.多次随机会产生多个状态变化后,这个过程中的首个状态和最后一个状态也存在相同的可能(阶段性一致),和不同的可能
例如生物体初始状态出生,中间经过若干次随机的状态变化,最后状态是死亡,放大到非生物体乃至宇宙呢?我就不知道了,至少目前无法证明

所以“还是原来时间倒流前的那个结果”,只是一个“阶段性一致”的现象的描述,至于它是否从随机或多次随机而产生的,无法判断
3 天前
回复了 Shinu 创建的主题 问与答 「央视曝光乳胶床品造假乱象」佛了
@PrinceofInj #54
我也是选了 TPE ,我需要中空的枕头
之前用竹枕头+海绵睡了好多年,还是有点硬,本想找泰国亲戚买乳胶枕回来,但有点犹豫,一来乳胶枕也不是中空的,二来泰国亲戚说他们那也没有什么特别的牌子,都是出口中国的多(?),他们也不晓得买什么
后来试了下 TPE ,还可,就放弃乳胶枕的打算了

TPE 坐垫也是好东西
```
def groupedSimilarFilenames(filenames):
'''
将相似文件名分组\n
输出类似格式\n
filenames preffix suffix size \n
0 cover.jpg NaN NaN 0 \n
1 top.png NaN NaN 0 \n
2 9.jpg NaN .jpg 0 \n
3 015a.jpg 0 a.jpg 1 \n
4 008.jpg 0 .jpg 9 \n
5 010.jpg 0 .jpg 9 \n
6 011.jpg 0 .jpg 9 \n
7 012.jpg 0 .jpg 9 \n
8 013.jpg 0 .jpg 9 \n
9 014.jpg 0 .jpg 9 \n
10 016.jpg 0 .jpg 9 \n
11 017.jpg 0 .jpg 9 \n
12 018.jpg 0 .jpg 9 \n
\n
size 为该项所在分组的成员个数\n
依据条件可筛选特别的文件名\n
'''
df = pd.DataFrame(filenames, columns=['filenames']) # 即使一维 filenames 也能直接变成竖向
pattern = r'^(?P<preffix>.+\D)?(?P<number>\d+)(?P<suffix>.+)?'
# pattern = r'^(?P<preffix>.+?\D)?(?P<number>\d+)(?P<suffix>.+)?'
df1 = pd.concat([df, df['filenames'].str.extract(pattern, flags=re.IGNORECASE)], axis=1)
gf = ['preffix','suffix']
if df1['preffix'].isna().all():
gf = ['suffix']
g = df1.groupby(gf, as_index=False)
df1['size'] = g.transform('size').fillna(0).astype(int)
return df1.sort_values('size', ascending=False, ignore_index=True)
```

这是一个我经常用的匹配文件名的函数
你可以用字段名替换 filenames ,然后匹配一下,当然正则和 groupby 部分你要修改一下,改成符合你的需求,这样你就可以把字段名分组了
@cs1024 #8
问题是你也没有说清楚,给的例子也是最简单,谁看也不知道你的难点在哪啊

你这个字段名有什么规律么,是否必然是字母或多个字母+数字,字符和数字两个是否分开
然后,相同的字母组合,其数字是否必定是正整数,例如 1,2,3,4……顺序可以不对,但是否有缺的,如 1,2,4……
只要有规律,自然可用正则来捕获
pattern = r'^(?P<preffix>.+\D)?(?P<number>\d+)(?P<suffix>.+)?'
类似这样的正则就能分开了,然后用 groupby 就能找到符合的一批字段名
再补充一下,用正则的话
str.contains 是部分匹配,用 str.match 是整个字段名匹配,可以选择不同的方式和对应的正则
也可以不用正则,参数改为 regex=False 即可
关于   ·   帮助文档   ·   博客   ·   API   ·   FAQ   ·   实用小工具   ·   3202 人在线   最高记录 6679   ·     Select Language
创意工作者们的社区
World is powered by solitude
VERSION: 3.9.8.5 · 11ms · UTC 00:44 · PVG 08:44 · LAX 17:44 · JFK 20:44
Developed with CodeLauncher
♥ Do have faith in what you're doing.