Answer 1

我们可以使用块（arr，size）

1. 如果 arr.length 小于或等于 size ，则不再有块。 的Singleton块
2. 返回 [arr] 否则（归纳） arr.length 大于 size> size ，至少有一个块。将一个块从阵列的左侧切下来，并将其预先放置为递归子问题的结果。

function chunk(arr, size) {
  if (arr.length <= size)
    return [ arr ]                                                 // 1
  else
    return [ arr.slice(0, size), ...chunk(arr.slice(size), size) ] // 2
}

const a =
  [ 0, 1, 2, 3, 4, 5, 6, 7, 8, 9 ]

const size =
  Math.ceil(a.length / 3)

const result =
  chunk(a, size)

console.log(
  JSON.stringify(result)
)

[[0,1,2,3],[4,5,6,7],[8,9]]

可视化评估 -

chunk([0,1,2,3,4,5,6,7,8,9], 4)
[ [0,1,2,3], ...chunk([4,5,6,7,8,9], 4) ]
[ [0,1,2,3], ...[ [4,5,6,7], ...chunk([8,9], 4) ] ]
[ [0,1,2,3], ...[ [4,5,6,7], ...[ [8,9] ] ] ]
[ [0,1,2,3], ...[ [4,5,6,7], [8,9] ] ]
[ [0,1,2,3], [4,5,6,7], [8,9] ]

Answer 2

默认情况下，JSON数据源可以使用默认 InferSchema 选项从输入文件中推断架构。因此，如果将JSON存储在文件中，则无需自己定义它：

val df = spark.read.json("<PATH_to_JSON_File>", multiLine = "true")

仅当您的JSON记录跨越多行时，才需要使用 Multiline =“ True” 。
示例：

//read json file into dataframe
val df = spark.read.json("src/main/resources/myJsonFile.json")
df.printSchema()
df.show(false)

您仍然可以自己定义模式，但请注意，您的数组不一致。内部的键具有不同的名称，但它们也是不同的元素。您无法在JSON中的封闭数组中使用不同的键定义2个元素。这就像定义不同类型的2个要素。

因此，我认为您的JSON应该看起来像这样：“：[{“ A”：“ 6”，“ B”：7}]” 在这种情况下，您的模式应为：

val schema = ArrayType(StructType(Array(
               (StructField("a", StringType, true),
               (StructField("b", StringType, true)
              )), false)

false 字段表示您的数组不能接受 null 元素，但仍然可以将 null 放入列中。

Answer 3

错误检查失败：您正在提供一个预期整数的字符串。除非您为 device.create（）提供接口，否则它是不确定的。检查文档并确保您的输入数据具有正确的类型。

编辑：以下想法是伪造的 也可能会与您的输入混合：在像您一样使用速记对象表示法时，请确保您的参数具有正确的顺序。根据框架，您的输入可能只是错误的语法，因为您本质上是在没有键的情况下初始化对象，但是 img 。如果您的框架无法纠正这一点，这也可能是错误源。，

但同样，如果没有更多有关该功能呼叫期望的信息以及您的参数类型的信息，请调试是算命的。

Answer 4

也可以使用async_playwright尝试相同的方法：

import asyncio
from playwright.async_api import async_playwright
import time


# async def handle_dialog(dialog):
#     if dialog.message == 'You will be redirected to employer Login Portal.':
#       await dialog.dismiss()

async def main():
  # Create a browser instance.
  async with async_playwright() as playwright:
    browser = await playwright.firefox.launch(headless=False)
    #https://playwright.dev/docs/downloads
    context = await browser.new_context()
    # chromium_context = playwright.chromium.cast(context)
    # await chromium_context.set_browser_context_option("downloads", False)


    # Create a new page.
    page = await context.new_page()

    # Navigate to the specified URL.
    await page.goto('https://www.google.com/') 

    #https://stackoverflow.com/questions/72493916/closing-a-confirm-popup-with- 
    playwright-in-python/72513920#72513920
    page.on("dialog", lambda dialog: dialog.dismiss())
    # Wait for the page to load.
    await page.wait_for_load_state('networkidle', timeout=10000) # 10 secs 

    # Click on the "Sign In" button. 
    await page.wait_for_selector('css=#modal-content > span')
    mod =  page.locator('css=#modal-content > span')
    await mod.click()

    await page.wait_for_selector('css=body > div._bodyMID.pdGridM > div > 
    div.col-md-9.col-sm-8._action4Mob.homesearch > div.service-listnew > ul > 
    li.service1.single-ser > a')
    employerlogin =  page.locator('css=body > div._bodyMID.pdGridM > div > 
    div.col-md-9.col-sm-8._action4Mob.homesearch > div.service-listnew > ul > 
    li.service1.single-ser > a')
    await employerlogin.click()

   
    time.sleep(30)

    #await page.close()
    # close the context
    #await context.close()

    # Close the browser.
    #await browser.close()


 asyncio.run(main()) # one time callable

Answer 5

0。在转换后保存整数类型，

如Alex Riley的答案所示， pd.to_numeric（...，errors ='coerce'）将整数转换为浮点。

要保留整数，您必须使用可无效的整数dtype，例如'int64'。一个选项是呼叫 .convert_dtypes（）如Alex Riley的答案中。或者只使用 .astype（'int64'）。

自PANDAS 2.0以来的另一个选项是传递 dtype_backend 参数，该参数允许您在一个函数调用中转换DTYPE。

df = pd.DataFrame({'A': ['#DIV/0!', 3, 5]})
df['A'] = pd.to_numeric(df['A'], errors='coerce').convert_dtypes()
df['A'] = pd.to_numeric(df['A'], errors='coerce').astype('Int64')

df['A'] = pd.to_numeric(df['A'], errors='coerce', dtype_backend='numpy_nullable')

以上所有这些都会进行以下转换：

的字符串表示，则将长浮子的字符串表示为数字值

1。如果列包含需要用精确评估的真正长浮子 （ float 将在15位数字和 pd.to_numeric 更加不精确之后将它们围住，然后使用 DECIMAL 从内置的 DECIMAL 库中使用。列的dtype将为对象，但 DECIMAL.DECIMAL 支持所有算术操作，因此您仍然可以执行诸如算术和比较操作员等矢量化操作。

from decimal import Decimal
df = pd.DataFrame({'long_float': ["0.1234567890123456789", "0.123456789012345678", "0.1234567890123456781"]})

df['w_float'] = df['long_float'].astype(float)       # imprecise
df['w_Decimal'] = df['long_float'].map(Decimal)      # precise

在上面的示例中， float 将所有这些转换为相同的数字，而 DECIMAL 保持差异：

df['w_Decimal'] == Decimal(df.loc[1, 'long_float'])   # False, True, False
df['w_float'] == float(df.loc[1, 'long_float'])       # True, True, True

将长整数的字符串表示为整数

2。默认情况下 ， astype（int）转换为 int32 ，如果一个数字特别长（例如电话号码），则无法使用（ OverFloperRor ）；尝试'int64'（甚至 float ）：

df['long_num'] = df['long_num'].astype('int64')

在旁注，如果您获得 setterwithCopyWarning ，请打开折线，然后打开复印件。模式（请参阅此答案以获取更多信息），然后再做任何事情。例如，如果您将 col1 和 col2 转换为float dtype，则执行：

pd.set_option('mode.copy_on_write', True)
df[['col1', 'col2']] = df[['col1', 'col2']].astype(float)

# or use assign to overwrite the old columns and make a new copy
df = df.assign(**df[['col1', 'col2']].astype(float))

3。将整数转换为timeDERTA

，也可以将长字符串/整数date -dateTime或TimeDETTA，in在哪种情况下，请使用 to_datetime 或 to_timedelta 转换为dateTime/timeDELTA dtype：

df = pd.DataFrame({'long_int': ['1018880886000000000', '1590305014000000000', '1101470895000000000', '1586646272000000000', '1460958607000000000']})
df['datetime'] = pd.to_datetime(df['long_int'].astype('int64'))
# or
df['datetime'] = pd.to_datetime(df['long_int'].astype(float))

df['timedelta'] = pd.to_timedelta(df['long_int'].astype('int64'))

4。将TIMSEDELTA转换为数字

，以执行反向操作（Convert dateTime/timeDelta到数字），将其视为'int64'。如果您要建立一个以某种方式将时间（或DateTime）作为数字值包含的机器学习模型，这可能很有用。只要确保原始数据是字符串，则必须将它们转换为timedelta或dateTime，然后再转换为数字。

df = pd.DataFrame({'Time diff': ['2 days 4:00:00', '3 days', '4 days', '5 days', '6 days']})
df['Time diff in nanoseconds'] = pd.to_timedelta(df['Time diff']).view('int64')
df['Time diff in seconds'] = pd.to_timedelta(df['Time diff']).view('int64') // 10**9
df['Time diff in hours'] = pd.to_timedelta(df['Time diff']).view('int64') // (3600*10**9)

5。将日期时间转换为日期时间的数字

，DateTime的数字视图是DateTime和Unix Epoch（1970-01-01）之间的时间差。

df = pd.DataFrame({'Date': ['2002-04-15', '2020-05-24', '2004-11-26', '2020-04-11', '2016-04-18']})
df['Time_since_unix_epoch'] = pd.to_datetime(df['Date'], format='%Y-%m-%d').view('int64')

6。 astype 比 to_numeric 更快

df = pd.DataFrame(np.random.default_rng().choice(1000, size=(10000, 50)).astype(str))
df = pd.concat([df, pd.DataFrame(np.random.rand(10000, 50).astype(str), columns=range(50, 100))], axis=1)

%timeit df.astype(dict.fromkeys(df.columns[:50], int) | dict.fromkeys(df.columns[50:], float))
# 488 ms ± 28 ms per loop (mean ± std. dev. of 7 runs, 10 loops each)

%timeit df.apply(pd.to_numeric)
# 686 ms ± 45.8 ms per loop (mean ± std. dev. of 7 runs, 10 loops each)

Answer 6

尝试将其

...
late Future<ImageProvider> imageProviderFuture;

  @override
  void initState() {
   
    imageProviderFuture = Buttons.getGroupchatImage(widget.groupchat.Id, context),
    super.initState();
  }
...
//in your build
// future call imageProviderFuture

FutureBuilder<ImageProvider>(
 future: imageProviderFuture,
)

应用于其余的地方。
ps请参阅此 link

Answer 7

看起来您只需要一个简单的案例表达式，

select Article, [Desc.],
    case when UM = 'PC' then Value end ValuePC,
    case when UM = 'CT' then Value end ValueCT
from t;

Answer 8

考虑一个极为基本的示例：

irb(main):003:0> a = [1, 2, 3]
=> [1, 2, 3]
irb(main):004:0> a.each { |x| p x }
1
2
3
=> [1, 2, 3]
irb(main):005:0>

#each 方法
正在返回枚举对象。

如果我将其包裹在方法中，则该方法将返回最后一个表达式，该表达式评估 enumerable 对象 a 。

irb(main):006:0> def foo(a)
irb(main):007:1>   a.each { |x| puts x }
irb(main):008:1> end
=> :foo
irb(main):009:0> foo([1, 2, 3])
1
2
3
=> [1, 2, 3]
irb(main):010:0> 

Answer 9

您可以尝试制作在启动时运行的批处理脚本。此批处理脚本将 cd 到包含要运行的Python文件的目录，并最终通过执行 python main.py 来运行Python文件。

Answer 10

据我了解，您的问题是如何实现文本框颜色使用 systemcolors.control 的默认值的视觉状态。 /code>状态和不同的自定义颜色时。

我知道的最简单方法是处理 readonlychanged textbox 控件的事件。例如：

public Form1()
{
    InitializeComponent();
    textBox2.ReadOnlyChanged += (sender, e) =>
    {
        textBox2.BackColor = textBox2.ReadOnly ? SystemColors.Control : Color.Blue;
    };
}

并在设置自定义背景颜色时首先检查状态：

private void button3_Click(object sender, EventArgs e)
{
    textBox2.BackColor = textBox2.ReadOnly ? SystemColors.Control : Color.Blue;
}

Answer 11

如评论中提到的那样，简单，快速和肮脏的解决方案是

std::sort(first,last, [](const auto& a,const auto& b) { 
          return titleSort(&a,&b) < 0; 
});

因为 std :: sort 的比较器应返回 true 时 a＆lt; b 和 false 否则。当 a＆lt; b 然后 titlesort 返回 -1 和 0 或或 1 否则。因此，您要映射 1 为 true 和 0 和 1 to false ，和＆lt; 0 这样做。

您还需要考虑 std :: sort 的比较器必须符合指定要求比较。典型的比较可以做到这一点，但是当它们不使用 std :: sort 的情况下，不确定。我没有发现 QSort 的类似要求。

Answer 12

您必须添加内容类型

var request = new RestRequest(Method.POST);
request.AddHeader("Content-Type", "application/json");
request.AddHeader("Authorization", "Bearer "+token);

.... your code

var body="{\"storage_id\":\"bl_1\",\"product_id\":\"67564668\",\"variant_id\":1055421650,\"name\":\"42\",\"quantity\":5,\"price_brutto\":599.99,\"ean\":29193201490}";

request.AddParameter("application/json",body,ParameterType.RequestBody);
IRestResponse response = client.Execute(request);
var json=response.Content;

Answer 13

我认为我们也可以这样做

[ r for r in [x] if 1 < x < 5 ]

Answer 14

我是Mark Rotteveel的＃6建议的粉丝（在上面的评论中）：

• 下载时使用临时名称，
• 在下载完成后重命名。

看起来像：

• FTP下载线程写入所有文件，上面有一些添加的扩展名 - 也许 .pending - 但无论您想要什么名称。
• 下载文件时 - 说 some.pdf - ＆nbsp; ftp下载线程将文件写入 some.pdf.pend.pending
• 当FTP下载线程完成文件时，最后一步是文件重命名操作 - 这是确保仅准备处理“完成”文件的机制。因此，它将文件下载到 some.pdf.perding ，然后将其重命名为 some.pdf 。
• 读者线程查找文件，忽略了任何匹配的*。待处理

我使用此方法构建了系统，它们效果很好。相比之下，我还与更复杂的系统合作，这些系统试图跨线程协调，并且这些系统通常无法正常工作。

随着时间的流逝，任何软件系统都会有错误。 Edsger Dijkstra很好地抓住了这一点：

“如果调试是删除软件错误的过程，则编程必须是将其放入的过程。”

但是，很难理解程序正确性现在 - ＆nbsp;当该程序仍处于设计阶段时，
而且尚未建立 - ＆nbsp;当生产中损坏的情况时，要理解正确性（由于错误）时，将是更难的。
也就是说，当事情被打破并且您在时间的压力下找到根本原因（并修复它！），即使我们中最好的人都会处于不利地位
具有复杂的（与简单）系统。

使用临时名称的方法很容易理解，这应该最大程度地减少代码复杂性，从而使其更容易实现。
反过来，维护和错误修复也应该更容易。

保持简单 - 让文件系统为您提供帮助。

Answer 15

您可以喜欢：

<script th:inline="javascript">
$('#' + [[${answerList.answer_id}]] + 'answer_id').text();
</script>