1. Medallia概况

1. Medallia产品功能

2. Medallia融资历史

3. Medallia主要竞品介绍

4. 总结

   代码来完成游戏的其他功能。 + +### 游戏中的角色 + +角色只有两种，水滴和虫子。 + +* 一个水滴只有一种状态，降落状态。水滴可以被虫子吃掉。 +* 一个虫子有两种状态，空闲状态和捕食状态。虫子可以吃水滴。 + +虫子和水滴的初始位置都是随机的。 + +### 游戏的结束 + +游戏的结束条件是水滴达到游戏区域的底部，或者虫子吃掉水滴。当任一条件达到时，游戏结束。 + +### 游戏的操作 + +游戏的操作是在游戏区域中鼠标点击。点击游戏区域中的任意位置将创建一个水滴。 + +### 游戏的难度 + +游戏的难度可以通过水滴降落的速度增加来增加。当水滴降落速度增加时，虫子不能及时追赶上水滴，游戏难度就增加了。 + +## 游戏截图 + + + + + +## 游戏规则 + +* 游戏区域由上至下，水滴从顶部降落。 +* 游戏区域的左右两侧是虫子的巢穴。 +* 虫子出生后，会从巢穴中探出头来。 +* 虫子出现后，会先在游戏区域中空闲一段时间，然后开始捕食水滴。 +* 虫子在捕食水滴时，会向水滴靠近。 +* 虫子捕食到水滴后，会继续在游戏区域中空闲一段时间，然后再从巢穴中探出头来，重复上述过程。 +* 游戏结束条件是水滴达到游戏区域的底部，或者虫子吃掉水

   其他的操作！ ```

```python

可以直接通过groupby对象获取到每组对应的数据

每一组数据

for name, group in df.groupby('key1'): print(name) print(group)

也可以通过列表的形式获取到每块数据

list(df.groupby('key1'))

对每一组数据进行操作，比如计算出每组数据的平均值

df.groupby('key1').mean()

也可以计算出每组数据的不同列的平均值

df.groupby(['key1', 'key2']).mean()

对分组的对象的不同的列的值进行不同的操作

计算出不同的列的值的平均值

df.groupby(['key1', 'key2']).size()

如果我们只想对某一列进行分组，而不想使用这个列作为索引，我们可以通过set_index来进行操作

states = np.ARRay(['Ohio', 'California', 'California', 'Ohio', 'Ohio']) years = np.array([2005, 2005, 2006, 2005, 2006])

对标签进行置换，让数字变成字符串

df['data1'].groupby([states, years]).mean()

上面的结果中，实际上每一组数据都是一个Series，如果我们想要把这些结果合并成一个DataFrame，我们可以通过unstack方法来实现

df.groupby('key1').mean().unstack()

如果我们想要对一个列或者多个列进行转置，我们可以通过stack方法进行操作

df.groupby(['key1', 'key2']).size().unstack() ```

透视表

将一个表转化成为一个透视表，每一个数据值是某一行和某一列的交叉点。

```python df = DataFrame({'data1': np.random.randn(5), 'data2': np.random.randn(5), 'key1': ['a', 'a', 'b', 'b', 'a'], 'key2': ['one', 'two', 'one', 'two', 'one']})

可以通过pivot来进行转换

参数中的index对应的是行的值，columns对应的是列的值，values对应的