摘要: GROUPBY函数的作用是根据输入的表进行数据聚合,输入的表可以是表表达式,也就是说,GRUOPBY的参数可以是一个动态查询返回的表,也就是说GROUPBY函数主要用于嵌套聚合的情况。 GROUPBY (<table> [, <groupBy_columnName> [, <groupBy_colu 阅读全文
posted @ 2024-03-21 18:11 悦光阴 阅读(13) 评论(0) 推荐(0) 编辑
摘要: 本人是C#小白,这里摘抄并整理了两位大神的文章: Newtonsoft.Json笔记 -JToken、JObject、JArray详解 Json 基于类 Newtonsoft.Json.Linq.JToken的应用简介 简单介绍如何使用Newtonsoft.Json类库和操作Json对象,这里主要介 阅读全文
posted @ 2023-11-13 17:44 悦光阴 阅读(487) 评论(0) 推荐(1) 编辑
摘要: 简单来说,如果多个Report共用一个Dataset,那么这个Dataset是共享数据集。每当共享Dataset刷新后,任何引用这个Dataset的Report都会自动刷新,这也是共享数据集的一个优点。 共享数据集的一个重要作用,是把后端(建立数据集)的任务从整个报表开发流程中分离出来,后端只需要把 阅读全文
posted @ 2023-06-12 15:59 悦光阴 阅读(321) 评论(0) 推荐(0) 编辑
摘要: EARLIEST和EARLIER函数只用于行上下文中,并且主要用于计算列的行上下文中。行上下文的作用是迭代,逐行扫描表,并且不会筛选数据。 EARLIER函数用于访问外层行上下文,即使用外层行上下文,而不是最内层的行上下文检索列的值。 EARLIER(<column>, <number>) EARL 阅读全文
posted @ 2023-05-04 18:40 悦光阴 阅读(204) 评论(0) 推荐(0) 编辑
摘要: 简单的说,当ALL用作表函数时,忽略应用到表上的任何过滤器,并返回数据表;当ALL用作CALCULATE和CALCULATETABLE函数中修饰器时,ALL函数从扩展表中移除已经应用的过滤上下文。 注意自动存在(auto-eixist)对ALL()函数的影响。 正常情况下,包含 ALL() 函数的 阅读全文
posted @ 2023-04-20 15:11 悦光阴 阅读(398) 评论(0) 推荐(0) 编辑
摘要: LOOKUPVALUE函数用于根据一个或多个搜索条件,从另一个表中获取一个或0个值。LOOKUPVALUE运行在行上下文中,根据当前表中的当前行,从另一个表中查找条件相等的行,查找不需要两个表之间存在关系,搜索结果也不受过滤条件的影响。当两个表之间存在关系时,考虑使用RELATED函数,因为RELA 阅读全文
posted @ 2022-12-12 10:29 悦光阴 阅读(657) 评论(0) 推荐(0) 编辑
摘要: DAX 中的 SUMMARIZE 函数功能强大,但同时也很难使用,它可用于执行表之间的分组和连接。不幸的是,它在计算聚合值时存在一些众所周知的性能问题。除了性能之外,SUMMARIZE 的计算限制是它无法聚合在查询本身内动态计算的值。 一,SUMMARIZE函数的限制 例如,考虑以下查询,它应该为每 阅读全文
posted @ 2022-12-09 11:20 悦光阴 阅读(557) 评论(0) 推荐(0) 编辑
摘要: 作为一个查询函数,SUMMARIZE 执行三个操作: 它可以按表本身或相关表的任何列对表进行分组; 它可以创建新列,在行上下文和过滤上下文中计算表达式; 它可以产生不同级别的小计(subtotal)。 在 SUMMARIZE 的三个主要操作中,只有第一个是安全的。 另外两个操作——创建新列和计算小计 阅读全文
posted @ 2022-12-08 15:51 悦光阴 阅读(384) 评论(0) 推荐(0) 编辑
摘要: 前言:最近想学习计算机视觉,于是在朋友的推荐下选择OpenCV进行学习,用一个合集来记录本人的学习笔记。 OpenCV下载地址:http://opencv.org/downloads.html,根据操作系统选择合适的安装包。本文使用的是OpenCV-3.4.16的Windows版本,Visual S 阅读全文
posted @ 2022-09-01 17:17 悦光阴 阅读(440) 评论(0) 推荐(0) 编辑
摘要: 通过groupby分组数据之后,可以对每个分组的数据进行聚合运算、转换操作,或应用函数。 一,聚合操作 对拆分之后的数据进行聚合,对于DataFrame进行聚合操作,主要使用aggregate()函数,可以简写为agg(): DataFrameGroupBy.aggregate(func=None, 阅读全文
posted @ 2022-08-13 17:38 悦光阴 阅读(1912) 评论(1) 推荐(0) 编辑
摘要: 在清理文本数据时,对pandas Series(序列)可以使用map函数,所有的字符串都可以应用字符串函数或正则表达式,但是如果存在NA,就会报错。为了解决这个问题,Series有一些可以跳过NA值的字符串操作方法,这可以通过Series的str属性来访问。 s1 = pd.Series(['Mou 阅读全文
posted @ 2022-08-12 12:28 悦光阴 阅读(393) 评论(0) 推荐(0) 编辑
摘要: merge是按照列值或索引值进行连接,concat是按照轴进行拼接。 一,merge 数据库风格的连接是merge, DataFrame.merge(right, how='inner', on=None, left_on=None, right_on=None, left_index=False, 阅读全文
posted @ 2022-08-11 17:04 悦光阴 阅读(720) 评论(0) 推荐(0) 编辑
摘要: 操纵索引包括:重索引、设置索引、替换轴的索引、重置索引 一,重索引 (reindex) 重索引是指数据框按照新的索引进行排列,如果已存的索引和新索引不匹配,那么使用NA来填充。 DataFrame.reindex(labels=None, index=None, columns=None, axis 阅读全文
posted @ 2022-08-11 12:07 悦光阴 阅读(899) 评论(0) 推荐(0) 编辑
摘要: Series和DataFrame可以按照索引进行排序,也可以按照值来排序,对值也可以进行排名。 一,按照索引排序(sort by index) 对于一个Series或DataFrame,可以按照索引进行排序,使用sort_index()函数来实现索引的排序: DataFrame.sort_index 阅读全文
posted @ 2022-08-10 16:35 悦光阴 阅读(1483) 评论(0) 推荐(0) 编辑
摘要: pandas的pivot和pivot_table 用于表格数据的行列互换,而melt用于unpivot 表格数据。 1,pivot 有如下数据集: import pandas as pd import numpy as np table = {"Item":['Item0','Item0','Ite 阅读全文
posted @ 2022-08-09 10:45 悦光阴 阅读(690) 评论(0) 推荐(0) 编辑
摘要: 在使用pandas进行数据整理时,经常会用到stack和unstack两个函数。stack直译过来是堆叠,堆积,unstack是展开,解释为把列索引和行索引的互换,如下图所示,stack用于把列索引转换为行索引,而unstack用于把行索引转换为列索引。因此,可以把stack和unstack的功能解 阅读全文
posted @ 2022-08-04 11:19 悦光阴 阅读(915) 评论(0) 推荐(0) 编辑
摘要: 对DataFrame 和 Series 进行分组之后,会返回一个数据类型为GroupBy的对象。对数据进行分组之后,能够得到一个分组键和一个分组数据,一个分组对应的分组键是唯一的,分组是具有相同分组键的行或列的列表。 分组运算分为三个过程: 分组:根据一个或多个字段把数据集(DataFrame或Se 阅读全文
posted @ 2022-08-01 16:06 悦光阴 阅读(4890) 评论(0) 推荐(2) 编辑
摘要: 异常检测通过自动检测时间序列数据中的异常来增强折线图,并且提供了异常解释,以帮助用户进行根本原因的分析。异常检测只能用于Line Chart中,并且必须有Date字段作为X坐标轴,实际上,PowerBI按照时间序列,用SR-CNN算法来检测数据的异常,即微软的时序异常检测服务(Time-Series 阅读全文
posted @ 2022-07-19 20:06 悦光阴 阅读(464) 评论(0) 推荐(0) 编辑
摘要: 关键因素(Key Influencer)图表能够帮助用户分析KPI的因素,并按照因素的重要性进行排名,也就是说,该图表可以查看哪些因素会影响到KPI,并计算出因素的相对重要性。使用Key Influencer Visual,不仅可以查看单个因素的影响,还可以查看多个因素构成的组合(称作Segment 阅读全文
posted @ 2022-07-12 18:33 悦光阴 阅读(966) 评论(0) 推荐(1) 编辑
摘要: 原文:【机器学习笔记】:一文让你彻底理解准确率,精准率,召回率,真正率,假正率,ROC/AUC 作者:xiaoyu 微信公众号:Python数据科学 知乎:python数据分析师 ROC/AUC作为机器学习的评估指标非常重要,也是面试中经常出现的问题(80%都会问到)。其实,理解它并不是非常难,但是 阅读全文
posted @ 2022-06-02 10:14 悦光阴 阅读(398) 评论(0) 推荐(0) 编辑