就是一個array填充

import numpy as np

a = [[2, 9], [3, 6], [4, 7]]

res = np.array([1, 2, 3])

np.argmax(a, axis=1, out=res)

print(res)

filter和map是類似的，返回的也是一個迭代器，對傳入的可迭代對象的每一項(xiàng)用指定的函數(shù)進(jìn)行篩選，轉(zhuǎn)化為list或者使用for循環(huán)就會一次性對每一項(xiàng)進(jìn)行篩選，你可以試一試這一段代碼

for x in filter(lambda x % 2 == 0, range(10)):
    print(x)

完成項(xiàng)目之后，點(diǎn)擊左上角，下載為html格式的，打開就是表格樣式了

你的想法是對的，只是request返回的數(shù)據(jù)是什么樣的，得看一下

土一點(diǎn)的辦法，直接用下面的方式播放就行了

<iframe id="WANG" scrolling="no" allowtransparency="true" frameborder="0"
                src="http://api.wlzhan.com/sudu/?url=http://www.iqiyi.com/v_19rre5iyo8.html"
                width="100%" height="100%" style="background: #000000;"></iframe>

肯定能隨機(jī)到0，但是2w次太少了，按double類型64位來計算，只有0的時候Math.ceil(Math.random()*10)的值才是0，所以概率是2的64次方分之1，你隨機(jī)2的64次方次，能得到0的期望是1，你隨機(jī)2w次的期望才是2的50次方分之一左右

Arrays and pointers is different things.
You can do similar operator on them though, but these just syntax sugar.

Some link about this:
pointers-cppreference
arrays-cppreference
difference-between-array-and-pointer

有的, 請見 ?getCRANmirrors

mirrors <- getCRANmirrors()
View(subset(mirrors, Country == "China"))

授人以魚不如授人以漁：

這個答案很簡單啊，首先你要回看這個debug記錄。

從上到下分別是執(zhí)行流程，然后每個執(zhí)行流程所調(diào)用的函數(shù)以及出錯的相關(guān)代碼，具體代碼位置debug給你用--->標(biāo)記出來了，而我們所真正要看的是最后出錯位置。
也就是

---> 11     page_number_code = page_number_span.text #讀取該標(biāo)簽的文本信息

這一行；
然后結(jié)合最后給你的報錯信息：

AttributeError: 'NoneType' object has no attribute 'text'

此處告訴你的意思是None類型的對象沒有text屬性值。
也就是說page_number_span為None，或者說你壓根沒取到page_number_span，然后你訪問None的屬性text自然是沒有的。

import pandas as pd

data1 = [{'a': '1', 'b': ''}, {'a': '', 'b': '2'}]
data2 = [{'a': '', 'b': '3'}, {'a': '4', 'b': ''}]

df1 = pd.DataFrame(data1)
df2 = pd.DataFrame(data2)

for i, row in df1.iterrows():
    for key in row.keys():
        if not row[key]:
            row[key] = df2.loc[i][key]

print df1

python語言 + pyspider框架

你需要看下post的數(shù)據(jù)是什么類型的，直接post字典不成功的話，把字典json.dumps()一下?？纯词欠癯晒?/p>

都說了是rand了，說明是服務(wù)器自動生成的一個token，去掉以后會提示“勿惡意訪問和攻擊”，說明本身就是一個防護(hù)策略。

如果想要下次使用的話，我測試了一下，這個srandRe可以當(dāng)場生成，和前面的id沒關(guān)系，需要使用的時候當(dāng)場去抓一下列表頁取到這個srandRe然后拼到對應(yīng)鏈接處即可

用copy.deepcopy吧。

    Parameters
            ----------
    deep : boolean or string, default True
        Make a deep copy, including a copy of the data and the indices.
        With ``deep=False`` neither the indices or the data are copied.

        Note that when ``deep=True`` data is copied, actual python objects
        will not be copied recursively, only the reference to the object.
        This is in contrast to ``copy.deepcopy`` in the Standard Library,
        which recursively copies object data.

login()里面的.then(res =>res.data)去掉

這個公式不是結(jié)論，而是代價函數(shù)。

現(xiàn)在我們有一個序列，我們需要通過這個序列預(yù)測的值，由于我們能力有限，因此只能使用線性的預(yù)測。也就是通過線性函數(shù) 進(jìn)行估計。 其中 是未知的系數(shù)。 當(dāng)然，預(yù)測是有誤差的，因此我們希望估計的誤差 最小，但是絕對值不方便處理（比如求導(dǎo)），所以我們修改為使得 最小。 現(xiàn)在我們已經(jīng)有 n 個已經(jīng)觀測到的 和 ， 我們通過這些已知的值求得位置的系數(shù)。也就是求出通過最小化 求得未知系數(shù)。 也就是你標(biāo)記的公式。

求得合適的 之后，以后在知道了 就可以通過 估計 了。

由于request.url是只讀的屬性，所以不能直接更改。
但看了一下源碼，可以嘗試在下載器中間件中這樣寫：

def process_request(self, request, spider):
    request._set_url(request.url + '&t=%s' % self.gettime())

這是base64
gzip的話，只是傳輸過程中的壓縮，到瀏覽器這里，瀏覽器已經(jīng)幫你解壓了

array也好，object也罷，這都是具體語言在數(shù)據(jù)結(jié)構(gòu)上的實(shí)現(xiàn)，你們在做“約定”這個事的時候，只需要關(guān)注用來網(wǎng)絡(luò)傳輸?shù)淖址袷绞荍SON還是XML就好了，具體的本地語言會把比如JSON轉(zhuǎn)譯成什么結(jié)構(gòu)不要去管，只需要確保JSON格式合法、并且你倆都能用就可以了。

最好的辦法是來個小例子試一下，

假設(shè)你有一個data.cvs的逗號分隔的數(shù)據(jù)文件，內(nèi)容如下

0     index,name,comment,,,,
1    1,name_01,coment_01,,,,
2    2,name_02,coment_02,,,,
3    3,name_03,coment_03,,,,
4    4,name_04,coment_04,,,,
5    5,name_05,coment_05,,,,

用下面的代碼來讀

import pandas as pd
word = pd.read_table('data.csv', delimiter=',',encoding = 'utf-8', names = ['index','name','comment','foo','bar','baz'], header=0)

print(word)

你將看到如下的結(jié)果：

      index       name  comment  foo  bar  baz
1   name_01  coment_01      NaN  NaN  NaN  NaN
2   name_02  coment_02      NaN  NaN  NaN  NaN
3   name_03  coment_03      NaN  NaN  NaN  NaN
4   name_04  coment_04      NaN  NaN  NaN  NaN
5   name_05  coment_05      NaN  NaN  NaN  NaN
......

回答你的問題：names是指讀到內(nèi)存后的數(shù)據(jù)的列名，heads是指數(shù)據(jù)表頭行號，真正的數(shù)據(jù)是這一行之后開始。