m0_63227758的博客

下面看必要性：B可对角化，能推出有2个线性无关的特征向量。但是注意，线性无关的特征向量不能推出特征值互不相同，如：[1,0],[0,1]。所以不能推出A有两个不相等的特征值。由题目可知，A，B矩阵相似。A的特征值与与B的特征值相同。由定理1,2可知，A矩阵可相似对角化。由于A，B矩阵相似，故B可相似对角化。设A, B 为二阶矩阵，且 AB = BA , 则“A有两个不相等的特征值”是“B可对角化"的（）是矩阵 A 的互不相同的特征值，n阶矩阵可相似对角化的充要条件。D.既不充分也不必要条件。

给你一个下标从开始的整数数组nums。如果nums的一个子数组满足：移除这个子数组后剩余元素，那么我们称这个子数组为子数组。比方说，中的[3, 4]是一个移除递增子数组，因为移除该子数组后，变为[5, 6, 7]，是严格递增的。请你返回nums中子数组的总数目。，剩余元素为空的数组也视为是递增的。指的是一个数组中一段连续的元素序列。10。

唯一的 id 对是 (1, 1)，他们恰好合作了 3 次。编写解决方案找出合作过至少三次的演员和导演的 id 对。timestamp 是这张表的主键(具有唯一值的列).题源:leetcode。

在 2020-12-8，丰田（toyota）有领导者 = [0, 1] 和合伙人 = [0, 1, 2] ，同时本田（honda）有领导者 = [1, 2] 和合伙人 = [1, 2]。在 2020-12-7，丰田（toyota）有领导者 = [0] 和合伙人 = [1, 2] ，同时本田（honda）有领导者 = [0, 1, 2] 和合伙人 = [1, 2]。该表包含日期、产品的名称，以及售给的领导和合伙人的编号。该表没有主键(具有唯一值的列)。返回结果格式如下示例所示。名称只包含小写英文字母。

创建集合s = set() # 创建一个空集合s = {1, 2, 3} # 创建一个包含元素 1, 2, 3 的集合s = set([1, 2, 3]) # 通过列表创建集合# 添加和删除元素s.add(4) # 向集合中添加元素 4s.remove(3) # 从集合中删除元素 3，如果元素不存在则会引发 KeyErrors.discard(2) # 从集合中删除元素 2，如果元素不存在也不会报错# 集合运算intersection = s1 & s2 # 交集。

对于2020-05-30，出售的物品是 (Headphone, Basketball, T-shirt)，按词典序排列，并用逗号 ',' 分隔。对于2020-06-01，出售的物品是 (Pencil, Bible)，按词典序排列，并用逗号分隔。对于2020-06-02，出售的物品是 (Mask)，只需返回该物品名。编写解决方案找出每个日期、销售的不同产品的数量及其名称。该表没有主键(具有唯一值的列)。此表的每一行都包含产品名称和在市场上销售的日期。| 列名 | 类型 |

本题的答案有一点问题，这里不能写加9，需要写加5才能通过用例。2024.6.12。

这题的标题应该是《棋盘上的战舰》，来源于 海战棋，把横着或竖着的连续 X 看成一艘战舰，统计棋盘上有多少艘战舰。战舰的个数，等于战舰「头部」的个数。如下图，我们只需要统计蓝色 X 的个数，即为战舰的个数。如果 j>0，那么 (i,j−1)(i,j-1)(i,j−1) 不能是 X。如果 i>0，那么 (i−1,j)(i-1,j)(i−1,j) 不能是 X。理解题意，通过枚举，关键是想到if的条件设置。题源：Leetcode。

注意订单数为0的情况。2024.6.10。

考察groupby的用法。2024.6.9。

drop_duplicates()和groupby()的用法。2024.6.8。

先排序，重点关注groupby的用法。2024.6.7。

雇员 1 有三次进出: 有两次发生在 2020-11-28 花费的时间为 (32 - 4) + (200 - 55) = 173, 有一次发生在 2020-12-03 花费的时间为 (42 - 1) = 41。雇员 2 有两次进出: 有一次发生在 2020-11-28 花费的时间为 (33 - 3) = 30, 有一次发生在 2020-12-09 花费的时间为 (74 - 47) = 27。在 SQL 中，(emp_id, event_day, in_time) 是这个表的主键。题源：Leetcode。

注意分母为0的情况时如何处理。

本题用到了cut，这里记住区间是左闭右开。2024.6.4。

这里用到了字符串转时间类型。python格式转换与时间类型2024.6.3。

nunique()是Pandas中的一个函数，用于计算指定Series中不重复项的数量（即去除重复项后的唯一值数量）。在这个问题中，我们使用nunique()函数来计算具有至少一个订单金额大于500的唯一客户数量。我们首先对过滤后的DataFrame中的列进行统计。然后，调用nunique()方法计算该列中唯一值的数量，也就是有多少个不重复的客户ID。最终的rich_count变量就代表具有至少一个订单金额大于500的唯一客户的数量。2024.6.2。

每日一题12：Pandas:数据重塑-融合2024.6.1。

这道题考察sort_values和drop_duplicates的用法。

这里用到了排序和选择所需列输出的知识。2024.5.30。

这题考察pd.merge和pd.groupby的使用，后续会出一篇关于它们的用法。2024.5.29。

该题和昨天的题类似，甚至说更简单。这里值得注意的点是[pd.NA],而不能写成['null']2024.5.28。

中的 f-string 语法替换为具体值。这个修改会确保在 DataFrame 的列名中包含实际的 N 值。该表的每一行都包含有关员工工资的信息。在 SQL 中，id 是该表的主键。个最高工资，查询结果应该为。题源：Leetcode。查询结果格式如下所示。

使用 str.contains()方法来查找 content列中包含匹配正则表达式 r'\sbull\s'的行。正则表达式寻找以空白字符（空格）开头和结尾的 “bull” 字符串：\s表示空白字符（比如空格、制表符等）。因此，匹配的是整个单词 “bull”，而不会匹配诸如 “bulldog” 或 “bullish” 这样的部分匹配。2024.5.26。

这部分代码是选取DataFramepatients中名为conditions的列。.str：这是pandas中用于对Series（即一维数组，这里是conditions列）中的每个元素应用字符串方法的访问器。：这部分是用来检查每个conditions列的元素是否包含特定的正则表达式模式。这里的模式是\bDIAB1\b\b是边界匹配符，表示DIAB1必须作为一个完整的单词出现，而不是作为其他单词的一部分。regex=True参数表明我们正在使用正则表达式进行匹配。2024.5.25。

正则表达式（Regular Expression），简称为 regex，是一种用于描述字符串模式的表达式。它是由普通字符（例如字母、数字）和特殊字符（称为元字符）组合而成的表达式，用来匹配和查找符合特定模式的文本。正则表达式提供各种功能^：表示一个字符串或行的开头[a-z]：表示一个字符范围，匹配从 a 到 z 的任何字符。[0-9]：表示一个字符范围，匹配从 0 到 9 的任何字符。[a-zA-Z]：这个变量匹配从 a 到 z 或 A 到 Z 的任何字符。

这里考察str.capitalize()的使用，该方法将名字的首字母大写，其余全部小写。编写解决方案，修复名字，使得只有第一个字符是大写的，其余都是小写的。该表包含用户的 ID 和名字。名字仅由小写和大写字符组成。user_id 是该表的主键(具有唯一值的列)。返回结果格式示例如下。题源：Leetcode。具体介绍请参考另一篇。

核心：.loc用法。

str.len()函数是Pandas库中用于计算Series中每个元素的长度的一个方法。特别地，当应用于字符串类型的Series时，它会返回一个整数序列，表示每个字符串元素的字符数。功能：此函数计算字符串序列中每个元素的长度（即字符数）。语法# 示例数据# 应用str.len()计算推文长度132024.5.21。

本题考察布尔索引和merge的用法，merge的用法参考我的另一篇博客。另外，本题还考察rename的用法。2024.5.19。

本题考察布尔索引的运用。布尔索引步骤构建条件表达式：首先，你需要创建一个或多个表达式来表示你的筛选条件。对于数值类型的列，你可以直接比较大小；对于类别或其他类型的数据，可能需要使用.isin()等方法来匹配值。应用条件：将这些条件应用到DataFrame上，这会返回一个布尔值的Series，其中True表示该行满足条件，False则不满足。用作索引：最后，你可以直接把这个布尔Series用作DataFrame的索引来选取数据。2024.5.17。

本题用到了布尔索引。在Pandas中，布尔索引是一种强大的功能，它允许你根据条件选择DataFrame或Series中的数据子集。具体到本题中，如果我们有一个包含国家信息的DataFrame，并希望筛选出满足特定条件（比如面积大于300万平方公里或人口超过2500万）的“大国”，我们可以使用布尔索引来完成这一任务。布尔索引步骤构建条件表达式：首先，你需要创建一个或多个表达式来表示你的筛选条件。对于数值类型的列，你可以直接比较大小；对于类别或其他类型的数据，可能需要使用.isin()等方法来匹配值。

本题用到了布尔索引以及排序函数。

将宽格式变为长格式。

数据框行列变换。

concat()是 Pandas 中一个非常强大的函数，用于沿着一个轴（行或列）组合多个对象（主要是 DataFrame 和 Series）。下面是concat()函数的基本用法、参数和一些示例。

Pandas中fillna用法

介绍rename的用法

这里考察了apply和astype的用法。对于DataFrame，apply可以作用于整行或整列，默认是对列操作。对于本题是对整列的元素进行了四舍五入，astype是将数据类型将浮点类型转换为整形，如果不进行圆整，转换时可能会出现问题。2024.5.11。

考察.loc的使用方法，查看我之前的博客.loc总结。