除非授权服务器限制范围，否则客户端会获得其请求的范围。对于其他授权类型，用户也可以限制范围。如果客户端没有请求任何范围，它将获得所有范围。您使用哪种授权服务器以及如何注册您的客户端？

我有一个数据框（pandas），我想将其转换以用于显示目的。因此，我想将数据框的某些部分移动到新行，如下所示： col1 col2 col_to_shift col_not_to_shift1

我有一个数据框（pandas），我想将其转换以用于显示目的。因此，我想将数据框的某些部分移动到新行，如下所示：

  col1 col2 col_to_shift col_not_to_shift1 col_not_to_shift2
0   a1   a2           a3                a4                a5
1   b1   b2          NaN                b4               NaN
2   c1   c2           c3                c4                c5

我想获得以下数据框，其中为 NaN 要移动的列中的值（如果不是）创建一个新行（唯一），复制和中包含的数据描述 col1 并 col2 保留我不想移动的列，即使它们包含NaN：

  col1 col2 col_to_shift col_not_to_shift1 col_not_to_shift2
0   a1   a2           a3               NaN               NaN
1   a1   a2          NaN                a4                a4
2   b1   b2          NaN                b4               NaN
3   c1   c2           c3               NaN               NaN
4   c1   c2          NaN                c4                c4

我尝试查看 pd.shift 但无法使其工作。

以下是生成数据框的一段代码：

data = {"col1": ['a1', 'b1', 'c1'], 'col2': ['a2', 'b2', 'c2'],
        'col_to_shift': ['a3', np.NaN, 'c3'],
        'col_not_to_shift1': ['a4', 'b4', 'c4'],
        'col_not_to_shift2': ['a5', np.NaN, 'c5']}
df = pd.DataFrame(data)

这是一个合理的观点，我澄清一下，因为我的例子没有完全重现我的数据框（我可以在那些我不想移动的列中使用 NaN）

我正在尝试计算一个国家/地区两个不同年份之间的绝对变化 - 我在下面编写的代码是我为了完成此任务而创建的函数。但是我有...

我正在尝试计算一个国家两个不同年份之间的绝对变化 - 我下面编写的代码是我为了完成此任务而创建的函数。但是，我在将计算结果打印到我创建的 excel 文件中时遇到了问题。

运行代码时，仅填充了输出 Excel 文件上的“国家/地区”列，而不是“AC 更改”列，我不确定问题是什么，为什么结果仅打印到一列而不打印到另一列。

这是包含我尝试分析的 Excel 文件的数据框的示例。

df = pd.DataFrame({'Country': ['Austria', 'Austria'],
                   'REGION_2D': ['AT10', 'AT10'],
                   'Variable': ['ILOSTAT_W', 'ILOSTAT_W'],
                   'variable_type':[1, 1],
                   'value': [1798.52, 1804.577],
                   'YEAR': [2018, 2021]})

这是我为其开发的代码。如能得到任何帮助我将非常感激。

import pandas as pd
import openpyxl as op


df = pd.read_excel(r"C:\Users\blakecar\PycharmProjects\LFS Data\Mock File LFS.xlsx", sheet_name='Sheet1')

output = pd.DataFrame()

output["Country"] = ""
output["Region"] = ""
output["AC_Change"] = ''

def func1(geog):
    print("------------")
    print(geog)
    print("------------")
    filtered_df = df[df["COUNTRY"].isin([geog])]
    filtered_df = filtered_df[filtered_df["REGION_2D"].isin(["AT10"])]
    filtered_df = filtered_df[filtered_df["Variable"].isin(["ILOSTAT_W"])]

    filtered_2018 = filtered_df[filtered_df["YEAR"].isin(["2018"])]
    total_2018 = filtered_2018['value'].sum()

    filtered_2021 = filtered_df[filtered_df['YEAR'].isin(["2021"])]
    total_2021 = filtered_2021['value'].sum()

    return total_2018 - total_2021

geo = df['COUNTRY'].unique()
for geog in geo:
    funcValue = func1(geog)
    output.loc[len(output)] = {"Country": geog, 'AC_change':funcValue}

output.to_excel('Mock File.xlsx', index=False)

我希望得到的输出是我在代码函数中所做计算的结果，所以它看起来像这样：

一个选项 的 concat :

• 将 DataFrame 拆分为两部分，并保持两部分的分组列
• 删除空行 dropna
• 和稳定的排序算法 sort_values 对行进行排序

group = ['col1', 'col2']
cols  = df.columns[df.columns.str.contains('not_to_shift')]

out = (pd.concat([df.drop(columns=cols).dropna(axis=0),
                  df[cols.union(group)].dropna(axis=0)
                 ])
         .sort_values(by=group, kind='stable')
      )

输出：

  col1 col2 col_to_shift col_not_to_shift
0   a1   a2           a3              NaN
0   a1   a2          NaN               a4
1   b1   b2          NaN               b4
2   c1   c2           c3              NaN
2   c1   c2          NaN               c4

使用索引作为组的变体（这不维护原始索引）：

group = ['col1', 'col2']
not_shift = ['col_not_to_shift']

tmp = df.set_index(group)
out = (pd.concat([tmp.drop(columns=not_shift), tmp[not_shift]])
         .dropna(how='all').sort_index(kind='stable')
         .reset_index()
      )

或者通过定义要移动/不移动的列的列表：

shift = ['col_to_shift']
not_shift = ['col_not_to_shift1', 'col_not_to_shift2']

out = (pd.concat([df.drop(columns=not_shift),
                  df.drop(columns=shift)
                 ])
         .dropna(subset=shift+not_shift, how='all')
         .sort_index(kind='stable')
      )

输出：

  col1 col2 col_to_shift col_not_to_shift1 col_not_to_shift2
0   a1   a2           a3               NaN               NaN
0   a1   a2          NaN                a4                a5
1   b1   b2          NaN                b4               NaN
2   c1   c2           c3               NaN               NaN
2   c1   c2          NaN                c4                c5

您的问题似乎与 Excel 无关，因此我只关注 pandas 部分。

您应该预先过滤 REGION_2D/Variable (例如使用 query )，然后运行 ​​groupby.sum ，最后切出感兴趣的年份，减去它们并 reset_index :

total = (df
   .query('(REGION_2D in ["AT10"]) and (Variable in ["ILOSTAT_W"])')
   .groupby(['YEAR', 'Country'])['value'].sum()
)

out = (total.loc[2018] - total.loc[2021]).reset_index(name='AC_change')

输出：

   Country  AC_change
0  Austria     -6.057

我正在使用 Spring WebFlux，我需要执行异步任务作为方法的一部分，该方法不应阻止对用户的主要响应。具体来说，我想调用一个异步方法

我正在使用 Spring WebFlux，我需要在方法中执行异步任务，但该方法不应阻止对用户的主要响应。具体来说，我想在完成主要任务后调用异步方法，但不延迟响应。

这是我想要实现的目标的简化版本：

public Mono<ResponseDTO> publishPackage(RequestDTO requestDTO) {
    return publishPackageService.doSomething(requestDTO)
        .flatMap(responseDTO -> 
            doSomethingInAsync(requestDTO, responseDTO)
                .thenReturn(responseDTO)
        );
}

// Method that simulates an asynchronous task with a 5-second delay
public Mono<Void> doSomethingInAsync(RequestDTO requestDTO, ResponseDTO responseDTO) {
    return Mono.delay(Duration.ofSeconds(5))
        .then(); // Converts the delayed Mono<Long> to Mono<Void>
}

此调用完成后，我想 doSomethingInAsync(requestDTO, responseDTO) 异步执行。doSomethingInAsync 方法应该是非阻塞的，并且不会延迟主响应。问题：

该 doSomethingInAsync 方法正在执行，但似乎可能阻止响应或未按预期异步运行。如何确保该方法 doSomethingInAsync 异步运行且不会阻止对用户的响应？

细节：

publishPackageService.doSomething(requestDTO): Returns a Mono<ResponseDTO>.

doSomethingInAsync(requestDTO, responseDTO): 是一种我想在不阻塞响应的情况下运行的异步方法。

问题：

如何确保 doSomethingInAsync 在后台运行而不阻止响应？

代码

cols = ['col1', 'col2']
out = pd.concat([
    df[cols + ['col_to_shift']].dropna(),
    df[cols + ['col_not_to_shift']].dropna()
]).sort_index().reset_index(drop=True)

出去：

  col1 col2 col_to_shift col_not_to_shift
0   a1   a2           a3              NaN
1   a1   a2          NaN               a4
2   b1   b2          NaN               b4
3   c1   c2           c3              NaN
4   c1   c2          NaN               c4

您所说的“不打印”是什么意思？如果您想在终端/笔记本打印（输出）中打印它，如果您想将其导出为 excel，则 output.to_excel('Mock File.xlsx', index=False)。如果某些东西“不起作用”，您必须清楚地解释原因（解释您得到什么/在哪里/如何以及您期望得到什么/在哪里/如何）。

谢谢，如果 col_not_to_shift 不包含 NaN 值，这可以正常工作，但我的数据框中就是这种情况，我已更新问题以反映这一点。

尝试这个

df1 = df[~df.col_to_shift.isnull()].drop(columns=['col_not_to_shift1', 'col_not_to_shift2'])
df2 = df[~df.col_to_shift.isnull()].drop(columns='col_to_shift')
pd.concat([df1, df2, df[df.col_to_shift.isnull()]], ignore_index=True).set_index(['col1', 'col2']).sort_index().reset_index()

尝试这个：

((v:=df.set_index(['col1','col2']))
.set_axis([v.columns != 'col_to_shift',v.columns],axis=1)
.stack(level=0)
.droplevel(-1)
.reindex(v.columns,axis=1)
.reset_index())

输出：

  col1 col2 col_to_shift col_not_to_shift1 col_not_to_shift2
0   a1   a2           a3               NaN               NaN
1   a1   a2          NaN                a4                a5
2   b1   b2          NaN                b4               NaN
3   c1   c2           c3               NaN               NaN
4   c1   c2          NaN                c4                c5

@Toerktumlare 我已根据您的建议发布了此答案。这是您实际建议的吗？您能看一下吗？

我正在尝试利用 sprint-boot-starter 启用 opentelemetry。我在 build.gradle 文件中添加了 io.opentelemetry.instrumentation:opentelemetry-spring-boot-starter。但是，应用程序通过...

我正在尝试利用 sprint-boot-starter 启用 opentelemetry。我已将其添加 io.opentelemetry.instrumentation:opentelemetry-spring-boot-starter 到 build.gradle 文件中。但是，应用程序在启动时会抛出以下错误：

Caused by: org.springframework.beans.BeanInstantiationException: Failed to instantiate [io.opentelemetry.sdk.autoconfigure.AutoConfiguredOpenTelemetrySdk]: Factory method 'autoConfiguredOpenTelemetrySdk' threw exception with message: io/opentelemetry/sdk/autoconfigure/spi/internal/AutoConfigureListener Caused by: java.lang.ClassNotFoundException: io.opentelemetry.sdk.autoconfigure.spi.internal.AutoConfigureListener

build.gradle 文件的部分：

implementation 'io.opentelemetry:opentelemetry-bom:1.40.0-alpha'             
implementation 'io.opentelemetry.instrumentation:opentelemetry-instrumentation-bom-alpha:2.6.0'             
implementation 'io.opentelemetry.instrumentation:opentelemetry-spring-boot-starter:2.6.0'             
implementation 'io.opentelemetry:opentelemetry-sdk-extension-autoconfigure:1.40.0'             
implementation 'io.opentelemetry:opentelemetry-sdk-extension-autoconfigure-spi:1.40.0'

不确定依赖项缺少什么。有什么想法可以解决这个问题吗？我发现了此处提到的类似问题 11812

谢谢

谢谢，清理完毕，错误已经消失。但是，我只看到执行器健康端点的跟踪，而看不到任何特定于应用程序的服务。我认为应用程序默认启用。我们需要指定任何设置吗？

我有一个关于如何使用条件合并数据框的问题。我有两个数据框df1 Pro fgmaterial_df1 qty_df1 1 f01 m01 1 1 f01 m02 1 1 f01 m03 1 1 f01 m05 1 2 f01 m01 2 ...

我有一个关于如何使用条件合并数据框的问题。

我有两个数据框

df1

Pro fg 材料_df1 数量_df1
1 f01 m01 1
1 f01 m02 1
1 f01 m03 1
1 f01 m05 1
2 f01 m01 2
2 f01 m03 2

df2
fg 材料_df2 数量_df2
fg01 m01 1
fg01 m02 1
fg01 m03 1
fg01 m04 1

结果：按 PRO 列条件合并

结果数据框：
PRO fg 材料_df1 数量_df1 材料_df2 数量_df2
1 f01 m01 1 m01 1
1 f01 m02 1 m02 1
1 f01 m03 1 m03 1
1 f01 南 南 m04 1
1 f01 m05 1 南南
2 f02 m01 2 m01 1
2 f02 m03 2 m03 1
2 f02 南 南 m02 1
2 f02 南 南 m04 1

在此处输入图片描述

因此，我尝试创建一个列表，从数据框中的高度列检查高度是否高于 70，如果高度在 66 到 70 之间，则附加 1，否则附加...

因此，我尝试创建一个列表，从数据框中的高度列检查高度是否高于 70，如果高度在 66 到 70 之间，则添加 1，否则在名为“tall”的新列表中添加 0。

tall = []
for i in range(len(newdf)):
    if newdf['height'][i]>70:
        tall.append(2)
    elif newdf['height'][i]>66 & newdf['height'][i]<70:
        tall.append(1)
    else:
        tall.append(0)

1. 该 & 关键字用于按位运算。我猜你的意思是使用 and .
2. Python 是快捷语言。应不惜一切代价避免使用 for 循环，并且 numpy （ pandas.DataFrame 本质上是一系列 numpy 数组）将为我们完成这项工作。

import pandas as pd

# For minimal working example
newdf = pd.DataFrame(list(zip([77, 79, 67, 55, 44, 10, 1])), columns=["height"])

# Initialize 'tall' column
newdf["tall"] = 0
# Broadcast conditions
newdf.loc[newdf.height > 66, "tall"] = 1
newdf.loc[newdf.height > 70, "tall"] = 2

print(newdf)

如果你确实希望输出一个列表：

print(newdf.tall.to_list())

输出：

   height  tall
0      77     2
1      79     2
2      67     1
3      55     0
4      44     0
5      10     0
6       1     0
[2, 2, 1, 0, 0, 0, 0]

@user19077881 我指的是 OP 代码第五行的 &（它是布尔值的比较，而不是 pandas 系列，所以应该是 and）。但我同意我可以将它与第二个条件一起使用：(newdf.height > 66) & (newdf.height <= 70)