AtomicBoolean做了哪些volatile boolean不能做到的事情?

我有3个CSV文件。每个数据框架的第一列都是人的(字符串)名，而每个数据框架中的所有其他列都是人的属性。

我如何将所有三个CSV文档“联接”在一起，以创建一个单一的CSV，其中每行都具有人的字符串名称的每个唯一值的所有属性?

pandas中的join()函数指定我需要一个多索引，但我对分层索引方案与基于单个索引进行连接有什么关系感到困惑。

我注意到Linux内核代码使用bool类型，但我以为bool类型是c++类型。bool是标准的C扩展名(例如，ISO C90)还是GCC扩展名?

我有以下数据框架:

> df1
  id  begin conditional confidence discoveryTechnique  
0 278    56       false        0.0                  1   
1 421    18       false        0.0                  1 

> df2
   concept 
0  A  
1  B

如何对下标进行归并得到:

  id  begin conditional confidence discoveryTechnique concept 
0 278    56       false        0.0                  1       A 
1 421    18       false        0.0                  1       B

我问是因为这是我的理解，合并()即df1.merge(df2)使用列来进行匹配。事实上，这样做我得到:

Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
  File "/usr/local/lib/python2.7/dist-packages/pandas/core/frame.py", line 4618, in merge
    copy=copy, indicator=indicator)
  File "/usr/local/lib/python2.7/dist-packages/pandas/tools/merge.py", line 58, in merge
    copy=copy, indicator=indicator)
  File "/usr/local/lib/python2.7/dist-packages/pandas/tools/merge.py", line 491, in __init__
    self._validate_specification()
  File "/usr/local/lib/python2.7/dist-packages/pandas/tools/merge.py", line 812, in _validate_specification
    raise MergeError('No common columns to perform merge on')
pandas.tools.merge.MergeError: No common columns to perform merge on

在索引上合并是不好的做法吗?不可能吗?如果是这样，我如何将索引移到一个名为“index”的新列中?

我曾在一本编码书中看到以下宏定义。

#define TRUE  '/'/'/'
#define FALSE '-'-'-'

没有任何解释。

请向我解释这些是如何作为真和假。

我可以不用else来写if else吗?

var x=1;

x==2 ? dosomething() : doNothingButContinueCode();   

我注意到，把null的其他工作(但我不知道为什么或如果这是一个好主意)。

编辑:你们中的一些人似乎很困惑，为什么我要费心去尝试这个。放心，这纯粹是出于好奇。我喜欢摆弄JavaScript。

我在Java中有一个双精度，我想检查它是否是NaN。 最好的方法是什么?

Java中布尔(原语)和布尔(原语包装器)的默认值是什么?

Subversion、Git、Mercurial和其他版本支持三方合并(结合我的、他们的和“基础”版本)，并支持图形工具来解决冲突。

你用什么工具?Windows, Mac OS X, Linux，免费或商业，你能想到的。

下面是一些我用过或听说过的，只是为了开始对话:

KDiff3 DiffMerge P4Merge 融合 Beyond Compare Pro。

(我承认这有点像最佳差异工具，但它的不同之处在于我明确地专注于三方合并工具;例如，WinMerge就不在此列。)

我有一个数据框架，有~300K行和~40列。 我想知道是否有任何行包含空值-并将这些“空”行放入一个单独的数据框架，以便我可以轻松地探索它们。

我可以显式地创建一个蒙版:

mask = False
for col in df.columns: 
    mask = mask | df[col].isnull()
dfnulls = df[mask]

或者我可以这样做:

df.ix[df.index[(df.T == np.nan).sum() > 1]]

是否有一种更优雅的方法(定位包含空值的行)?