游客gsy3rkgcdl27k_个人页

在不同的端口上运行microservice-2。使用Python标准或第三方库将请求从microservice-1发送到microservice-2，然后将请求发送到microservice-1。 下面是使用Python3标准库的例子:

m1.py:

from flask import Flask, jsonify

import urllib

import json

app = Flask(name)

@app.route('/reverse_random/string:string', methods=['GET'])

def reverse(string):

content = urllib.request.urlopen('http://127.0.0.1:5001').read().decode('utf-8')

print('response from m2: ', content)

string = string[::-1]

return jsonify({'message': string, 'random' : 

json.loads(content)['message']})

if name == 'main':

app.run(debug = True)

m2.py:

import random

from flask import Flask, jsonify

app = Flask(name)

@app.route('/', methods=['GET'])

def myRandom():

r1 = random.uniform(0, 10)

return jsonify({'message': r1 })

if name == 'main':

app.run(debug=True, port=5001) # running m2 on a different port than default 5000

运行m1: python3 m1.py

在新的位置运行m2: python3 m2

发送请求m1: curl http://127.0.1:50 000/reverse_random/vivek

结果： { "message": "keviv",
"random": 4.138115905045612 }

观察m1和m2的日志，确保调用了m2。

使用pd.concat来将它们分组通过添加相同标签，if-else是区分是否有多个列的必要条件，如果没有if-else语句，sum(axis=1)会抛出错误： new_df=pd.concat([df[col].sum(axis=1).rename(col) if len(df[col].shape)==2 else df[col] for col in df.columns.unique()],axis=1) print(new_df)

在你的代码中，计算z的时候除了0，试试下面的：

plt3d = plt.figure().gca(projection='3d')

xx, zz = np.meshgrid(range(10), range(10))

yy = 2

plt3d.plot_surface(xx, yy, zz)

plt.show()

希望有帮助

def login():

official = {'dan': ['snow', 1],

        'bob': ['golf', 2],

        'bill': ['dogs', 3]

        }

username=input("Enter your user name: ")

if username in official:

print("You are user number: ",official[username][1])

attempts=0

while attempts<3:

    password=input("Enter your password: ")

    if password == official[username][0]:

        print("Log in successfull")

        print("Hello",username)

        login()

    else:

        print("Incorrect password")    

        attempts+=1

        print("Attempts left: ",3-attempts)

        if attempts==3:

            print("Too many attempts!")

            login()

print("Unknown User")

login()

先查看支持下载的版本：

pip install forexconnect==0

然后，安装相应版本：

pip install forexconnect==versionnumber

使用正则表达式

import re

result=[]

maze1 =['','* * ',' G','D',' ***']

for counter, value in enumerate(maze1):

m=re.search('([a-zA-Z]+)',value)

if m :

    result.append((counter, m.start()))

这是Reader的代码： class Reader(object):

def __init__(self, stream):

    if isinstance(stream, str):

        self.name = "<unicode string>"

        self.check_printable(stream)

        self.buffer = stream+'\0'

    elif isinstance(stream, bytes):

        self.name = "<byte string>"

        self.raw_buffer = stream

        self.determine_encoding()

    else:

        self.stream = stream

        self.name = getattr(stream, 'name', "<file>")

        self.eof = False

        self.raw_buffer = None

        self.determine_encoding()

函数本身会检验数据类型然后做不同的处理。

尝试创建一个最小的示例，您会发现它是valoare = input()。 看起来像是你不小心从extrema =复制粘贴过来的?它对于一般的值是不需要的。如果需要，可以使用valoare = None，或者完全省略它。

偏函数(在函数编程和数学上下文中)就是所说的:没有为所有可能的参数定义函数。在编程环境中，我们通常将“未定义”解释为几种情况之一，包括未定义的行为、异常或不终止。 局部函数的一个例子是整数除法，如果除数为0，则不定义该除法(在Haskell中，它将抛出一个错误)。在上面的代码片段中，new_function是偏函数。该代码在Python中只会导致一个错误，但是如果它按照您的预期工作，那么它将是一个total(而不是partial)函数。 您很可能认为这是一个部分应用的函数。

你可以使用np.lexsort():

import numpy as np

a = np.asarray([[9, 2, 3],

       [4, 5, 6],

       [7, 0, 5],

       [7, 1, 6]])

a[np.lexsort((-a[:, 1], a[:, 0]))]lexsort

def execute():

return """

    this is imam

    this akarsh

    this is abhi

"""

一个方法是使用DataFrame.merge：

df1 = df[0].merge(df[1], on=['Cat1','Cat2'], suffixes=('_0','_1'))

print (df1)

Cat1 Cat2 Cat3_0 Prc_0 Cat3_1 Prc_1

0 11 0 5 100 5 90

1 55 1 8 100 5 95

print (df1.filter(like='Prc').sum())

Prc_0 200

Prc_1 185

dtype: int64

另一种方法是：

s1 = df[0].set_index(['Cat1','Cat2'])['Prc']

s2 = df[1].set_index(['Cat1','Cat2'])['Prc']

print (s1[s1.index.isin(s2.index)].sum())

200

print (s2[s2.index.isin(s1.index)].sum())

185

您可以存储对列表本身的引用，并对其调用clear()，而不是存储列表的名称。

Result1={"d11":"1","d12":"2"}

Result2 =["l11","l22"]

def length(name):

print(str(name) + "  having length is : "+ str(len(name)))

def GlobalClear():

overallList = [Result1, Result2]

for key in overallList:

    key.clear()

print("Prev Length")

length(Result1)

length(Result2)

GlobalClear()

print("Final Length")

length(Result1)

length(Result2)

在使用.title()方法之前，需要将22(在dict中是一个int类型)转换成一个字符串。

person={'fname':'harry','lname':'max','age':22,'city':'ktm'}

for value in person.values():

print(str(value).title(), end=" ")

使用： df = pd.DataFrame(np.array(L).reshape(-1, 5)).rename(columns = lambda x: f'Heading {x + 1}')

print (df)

Heading 1 Heading 2 Heading 3

0 a1 b1 c1

1 a2 b2 c2

2 a3 b3 c3

对新的列名和聚合函数使用GroupBy.agg和元组:

df = (op1.groupby(['subject_id','date'])['val'] .agg([('val_max', 'max'),('val_min', 'min')]) .reset_index())

print (df)

subject_id date val_max val_min

0 1 1/1/2017 11 5

1 1 1/2/2017 10 5

2 1 1/3/2017 16 11

3 2 1/4/2017 26 21

4 2 1/5/2017 8 5

在pandas 0.25+可以使用named aggregation:

df = (op1.groupby(['subject_id','date']) .agg(val_min=pd.NamedAgg(column='val', aggfunc='min'), val_max=pd.NamedAgg(column='val', aggfunc='max')) .reset_index())

遍历元素并继续添加到另一个列表中，除非您找到一个元素“-”并且其旁边的索引也为“-”。

l = ['5', '-', '8', '2', '-', '3', '-', '-', '1', '-', '2']

final = []

for i in range(len(l)-1): # Iterate to the last second element

... if l[i] == '-' and l[i]==l[i+1]:

... continue

... final.append(l[i])

... final

['5', '-', '8', '2', '-', '3', '-', '1', '-']

尝试将axis参数设置为none（默认为0）

np.concatenate((a, b), axis=None)

declare -a pids

launch_first_program &

pids+=($!)

launch_second_program &

pids+=($!)

wait "${pids[@]}"

continue_with_our_day

使用后台启动进程后&，变量$!将包含子代的PID。我们可以将其收集到一个数组变量中，然后使用wait阻塞来完成所有列出的过程。

cat command.list | xargs -L 1 python3 my_script.py 这将-L 1一次向脚本传递一行（）。