Aktywne Wpisy
zszargane-nerwy +1078
Tak oto wygląda równouprawnienie w praktyce - panie wychodzą z pracy o godz. 11:00, panowie pracują do końca :) Dzięki temu inkluzywnemu rozwiązaniu panowie, zamiast zająć się obsługą swoich zadań, będą "ogarniać pracę urzędu" czyli odbierać telefony i tłumaczyć ludziom, że ich sprawy nie zostaną dziś załatwione, bo 85% urzędu zostało oddelegowane do mycia okien i gotowania żurku.
Pracownicy Urzędu Miasta i Gminy we Wrześni pozdrawiają pozostałych pracowników budżetówki, którzy przy okazji
Pracownicy Urzędu Miasta i Gminy we Wrześni pozdrawiają pozostałych pracowników budżetówki, którzy przy okazji
mirko_anonim +47
✨️ Obserwuj #mirkoanonim
Śmieszą mnie chłopy co chodzą na siłownie, oczywiście żaden się nie przyzna że robi to dla kobiet tylko "dla siebie" taa xD. Zwłaszcza popularność siłowni wystrzeliła w kosmos w ostatnich latach akurat jak na rynku matrymonialnym jest coraz gorzej. Nie znam żadnego chłopa, który by dla samego siebie: trzymał restrykcyjną dietę, chodził wcześnie spać żeby się wysypiać, unikał używek, regularnie ćwiczenia, itd. To tak jakby siedzieć w domu w
Śmieszą mnie chłopy co chodzą na siłownie, oczywiście żaden się nie przyzna że robi to dla kobiet tylko "dla siebie" taa xD. Zwłaszcza popularność siłowni wystrzeliła w kosmos w ostatnich latach akurat jak na rynku matrymonialnym jest coraz gorzej. Nie znam żadnego chłopa, który by dla samego siebie: trzymał restrykcyjną dietę, chodził wcześnie spać żeby się wysypiać, unikał używek, regularnie ćwiczenia, itd. To tak jakby siedzieć w domu w
Mam ramke danych z kolumnami: X, Y Q i Z, przy czym Z powstała w wyniku .unique() (tj zawiera w sobie numpy.ndarray z kilkoma wartosciami - wczesniej dla kazdego X i Y bylo kilka roznych wartosci Z, ale zostały ta komenda zebrane do tablicy numpy, tak, ze teraz jedna linijka to jeden unikalny zestaw X i Y) np.
A | B | 2 | [2,3,4,5] <- caly wiersz
Chce wyłuskac te wiersze, w których wartosc z kolumny Q wystepuje w tablicy w kolumnie Z:
df.loc[ df [ 'Q' ].isin(df ['Z'] )]
Niestety to polecenie zwraca mi pusta ramke, mimo, ze wiem, ze sa takie przypadki.
Gdzie jest błąd? .isin operuje przeciez na numpyowych tablicach?
df['match'] = df.apply(lambda x: x['Q'] in x['Z'], axis=1)
i potem filtorowanie po df.match? Trochę naokoło ale powinno zadziałać.