堆栈内存溢出
cost 77 ms
SQL GROUP 中跨列的查询/UDF by

[英]SQL query/UDF across columns in GROUP by

在我的工作中，我在 bigquery 中使用与此类似的表： 我们要获取此数据并执行以下转换： 对于每个唯一的 id（例如 a、b、c），我们希望将 x 和 y 值聚合到一个数组中。 例如，对于 id a，我们将得到数组 [1,2,3,2,3,4]。 基本上，output 表应该如下所示： 我不确定 ...

使用 R 转换列中的数据时有关 NA 的警告

[英]Warning regarding NAs while transforming data in the column with R

有一个包含许多列的数据集data ，但现在我对商店年龄的列感兴趣。 该列中的值是“-”、NA 或不同的数字（字符数据类型）。 有些值而不是年龄（例如：2、5、10）是开业年份（例如：2015、2018 等），所以这些情况我应该转换为商店的年龄（2022 年）。 我试过这样的 R 代码： 重写的数值看 ...

如何在 power query/power BI 中将十进制日期类型列转换为时间数据类型？

[英]How to convert decimal date type column to time data type in power query/power BI?

该列由十进制格式的分钟组成。 这将被转换为时间格式。 例：第 5 条记录为 61 分 6 秒。 这将显示为 1 小时 1 分 6 秒 - (01:01:06)。 如何在 power query editor/power BI 中解决这个问题？ ...

在 Join 转换中导入一对多关系 Azure Synapse

[英]Importing one to many relations in a Join transformation Azure Synapse

我有两个数据源加载到 Azure Synapse 中。 两个原始数据源都包含一个“Apple”表。 我将它们合并到我的 Enriched 数据存储中的单个“Apple”表中。 SELECT * FROM datasource1.apple JOIN datasource2.apple on dat ...

Python 分组由聚合和 function 过滤

[英]Python group by aggregation and function to filter

我有一个数据集，我试图通过 2 个值过滤用户可以 select 并显示所选类别的平均值、中值和 n。 我有一个 function 用于计算每个 ID 的聚合值，但我试图计算所选组的值而不是单个 ID。 我需要一些帮助将 function 从 ID 转换为组下面是一个示例数据集 df1 ID 测试团 ...

如何在没有日期列的情况下处理一段时间内的数据？

[英]How to handle data over time without a date column?

我有一个数据集，其中有很多列列出了多年的值，例如： 国家 2020 排名 X 2020年排名Y 2021 等级 X 欧盟 1 2 3 美国 2 3 4 等等。每年每个国家大约有 6 个值，并且有 4 年的数据，大约 160 行。 我的问题是当尝试显示随时间推移的数据时，没有正常工作的“ ...

我怎样才能把这个重复的列数据变成正确的数据？

[英]How can I make this repetitive column data into proper data?

如何在 R 中将此表从宽格式更改为长格式？ 我尝试了几个不同的库，但似乎无法获得它。 我尝试使用reshape(df5, idvar=" ", timevar='', direction="")但无法修复我的数据。 我想要这些数据—— 如果我使用reshape得到答案，那就太好了。 ...

将新列添加到一个 Dataframe 基于另一个 R 中的条件的值和函数

[英]Add New Columns to One Dataframe Based on Values and Functions in Another With Conditions in R

对你来说是一个棘手的问题。 我有两个数据框，一个是奇数比率列表（跳过第一个，因为它是我们的预测器）。 见下文： 变量的名称赔率变量2 0.87 变量 3 1.42 变量4 2.10 变量5 0.56 变量6 1.01 第二个是主题列表，变量作为列，它是否以二进制标志(0/1)的形式出现。 ...

提高我的数据转换函数的可重用性

[英]Improve reusability of my data transformation functions

我目前已经通过其 roleId 对我的 api 数据进行了代码转换。 但是，我需要显示另一个视图，该视图将根据用户所在的 projectId 对数据进行分组。 我可以简单地复制和粘贴并创建另一个用于 projectIds 数据转换的方法，但是，我觉得我的方法可能很混乱并且不容易重用。 所以我想问是否 ...

为每个父母和孩子添加唯一的钥匙

[英]Add a unique key to every parent and children

我刚刚将我的 API 调用数据转换为某种格式，以适应 ant 设计表树数据。 https://ant.design/components/table/#components-table-demo-tree-data 但是，现在我面临另一个问题。 我需要为每个父母和孩子添加一个“键”，以便树数据表能 ...

如果 projectId 匹配子项和 projectId 分组，则数据转换

[英]Data transform if projectId match children and projectId grouped

我需要将所有 projectId 组合在一起，如果 projectId 相同，则孩子应该在当前项目中。 请参阅下图了解预期的最终结果。 感谢是否有人可以帮助我。 我正在尝试在构建应用程序功能的同时学习 go。 谢谢你。 当前 Json 格式： 预期 Json 格式： ...

SQL - 在 first_value 内过滤（或 window function 一般）

[英]SQL - Filtering within first_value (or window function in general)

我有一些日志数据跟踪发票处理，如下例所示： 对于每张发票，我需要显示每个活动的第一个和最后一个发生的时间。 例如，发票 A 有两次数量变化，我对那个日期感兴趣。 我需要在汇总表中显示所有内容，每张发票有 1 行，如下所示： 我已经探索了几种不同的选择，但到目前为止没有任何效果。 最明显的一个是连接 ...

Python 中的深度神经网络，具有 3 个输入和 3 个输出

[英]Deep Neural Network in Python with 3 inputs and 3 outputs

我想在 Python（最好是 PyTorch，但 TensorFlow 也是可能的）中实现一个深度神经网络，它可以预测下一个位置和到达该位置的时间。 对于原始数据，我有一个 csv 文件，其中包含三个值的序列：纬度、经度和时间： 这样的行数约为 100 000。所以，这是我的问题。 我应该如何拆分数 ...

根据唯一行的 window 和 Z84E2C64F38F78BA3EA5C905AB5A2DA27 逻辑过滤 python pandas 中的数据

[英]Filtering data in python pandas based on window of unique rows and boolean logic

我将欣赏一个优雅的解决方案，用于根据唯一标识符根据 boolean 条件过滤行。 我的数据集是一种宽格式和长格式的混合体。 大约有 100 个变量，但其中三个是有问题的示例： idkey 、 method和value 。 总之，有多个行的实例具有相同的idkey但不同的method或value 。 ...

当数据中存在显着异常值时，量化一系列值以保持精度的方法

[英]Method to quantize a range of values to keep precision when signficant outliers are present in the data

您能否告诉我在以下情况下是否有合适的量化方法（最好在python中实现）？ 有一个输入范围，其中大多数值都在平均值的 +-2 标准差内，同时存在一些巨大的异常值。 例如 [1, 2, 3, 4, 5, 1000] 将其量化到例如 0-255 的输出范围将导致精度损失，因为巨大的异常值 1000（1 ...

如何检查成对变量的条件

[英]How to check conditions for paired variables

我有一个数据集，其中包含已咨询或未由 7 个变量（FITM1-7，我将仅展示 2，FITM1，FITM2）表示的患者记录，这些变量具有特定代码（我提供了代码列表，msp_codes）。 我的条件是检查每条记录是否出现代码，然后检查发生咨询的相关日期（SERVDT1-7）是否在入院日期（ADMIT_ ...


排序:
质量:
 
粤ICP备18138465号  © 2020-2023 STACKOOM.COM