今天要跟分享的是excel的分类汇总功能！ 分类汇总是excel中处理表格数据使用频率非常高的基础功能，可以胜任基础的统计汇总任务！...今天以一个案例作为主要介绍内容： 我们想要汇总出三个维度下（地区、性别、部门）的平均成绩指标。 将鼠标放在数据区域内任意一个单元格，然后选择数据——分级显示——分类汇总。...调出分类汇总菜单，在分类汇总菜单中设置要汇总的字段以及汇总方式。...（注意在执行分类汇总前要记得先对要汇总的目标字段进行排序哦（升序）） 第一个字段：地区，汇总方式选择均值，选定汇总项勾选语文、数学、英语，然后确定。...结果会呈现出三个维度的汇总输出，总计平均值、分组平均值和带分组平均值的明细表。（左上角有三级目录标号，可以展开）。 当然，如果我们想要了解性别与部门的平均值情况，可以继续使用分类汇总执行。
所谓分类变量的汇总展示，就是根据分类变量对样本进行分组，然后展示每一组的分布，适合多组数据的横向比较。...在seaborn中，通过了柱状图，箱体图，小提琴图等多种可视化形式，来展示不同组数据的异同，具体的函数列表如下 1. stripplot, 2. swarmplot 3. boxplot 4. violinplot...5. boxenplot 6. pointplot 7. barplot 8. countplot 1. stripplot 该函数绘制的是扰动的散点图，基本用法如下 >>> df = pd.read_csv...5. boxenplot 该函数绘制的是增强版的箱体图，基本用法如下 >>> sns.boxenplot(data=df, x="day", y="total_bill") >>> plt.show()...对于分类变量的比较和展示，seaborn提供了多种可视化方式，而且内置了统计功能，我们只需要体用数据，就可以直接得到美观的统计图表了，非常的便利。
数据库mysql 数据库介绍 什么是数据库 数据库是是按照数据结构来组织、存储和管理数据的仓库 数据库的发展史 最早的数据库: 通过大量的分类、比较和表格绘制的机器运行数百万穿孔卡片来进行数据的处理...存储引擎分类 MYISAM： 它不支持事务，也不支持外键，尤其是访问速度快，对事务完整性没有要求或者以SELECT、INSERT为主的应用基本都可以使用这个引擎来创建表。...SQL是专为数据库而建立的操作命令集，是一种功能齐全的数据库语言。 在使用它时，只需要发出“做什么”的命令，“怎么做”是不用使用者考虑的。 sql功能分类 1....如何添加数据完整性 在创建表时给表中添加约束 完整性分类 实体完整性 域完整性 参照完整性 实体完整性 什么是实体完整性 表中的一行(一条记录)代表一个实体（entity） 实体完整性的作用...因为更新表时, MYSQL不仅要保存数据,还要保存一下索引文件每次更新添加了索引列的字段, 会调整因为更新所带来的键值变化后索引的信息 索引分类 单值索引 一个索引只包含间个列,一个表可以有多个单值索引
"12"}}{"model":"D","color":"red"}{"index":{"_index":"cars","_id":"13"}}{"model":"A","color":"red"}实现mysql...color) color_count FROM cars GROUP BY model HAVING color_count > 1 ORDER BY color_count desc LIMIT 2;mysql...与ES的对应关系如下：Group By VS Terms/Metric AggregationHaving Condition VS Bucket Filter AggregationOrder By
正确率与错误率 正确率：正确分类的样本数/总样本数，accuracy 错误率：错误分类的样本数/总样本数，error 正确率+错误率=1 这两种指标最简单，也最常用 缺点 不一定能反应模型的泛化能力，...查准率与查全率 先认识几个概念 正样本/正元组：目标元组，感兴趣的元组 负样本/负元组：其他元组 对于二分类问题，模型的预测结果可以划分为：真正例 TP、假正例 FP、真负例 TN、 假负例 FN,...注意我说的是可能较低，通常如果样本很好分，比如正的全分到正的，负的全分到负的，那查准率、查全率都是100%，不矛盾。 P-R曲线 既然矛盾，那两者之间的关系应该如下图 ?...β>0，β度量了查全率对查准率的重要性，β=1时即为F1 β>1，查全率更重要，β<1，查准率更重要 多分类的F1 多分类没有正例负例之说，那么可以转化为多个二分类，即多个混淆矩阵，在这多个混淆矩阵上综合考虑查准率和查全率...，即多分类的F1 方法1 直接在每个混淆矩阵上计算出查准率和查全率，再求平均，这样得到“宏查准率”，“宏查全率”和“宏F1” ?
思路 定义一个 m * n 的矩阵 dp，其中dp[m-1][n-1]代表从出发点(0, 0)→点(m, n)的路径个数。...不能走的点，dp变成0就好了。...思路 定义一个二维数组sum[m][n]，表示从(0, 0)到(m - 1, n - 1)的最小的和。...思路 设数组sum[i]，其中sum[i]表示包括nums[i]的，nums数组从0~i的最大连续和。...，最重要的一步就是写明递推公式和初始公式，缓存计算的中间结果，以获取效率。
1.自动化测试里面的测试用例设计的一些方法 解耦、可以独立运行、需要灵活切换 设计思路： 脚本功能分析(分步骤)和模块化分层(拆分为多模块) project login_order.py #登录下单测试用例...category.py #菜单分类测试用例 all_test.py #主入口 login_order.py # -*- coding: UTF-8 -*- import unittest import..."button.login") #触发点击事件,登录 login_btn_ele.click() #判断登陆是否成功，逻辑-》鼠标移到上面，判断弹窗字符 #获取鼠标上移的元素...category.CategoryTestCase)) return suite if __name__ == '__main__': suite = create_suite() #文件名中加了当前时间，为了每次生成不同的测试报告.../"+file_prefix+"_result.html","wb") # stream定义一个测试报告写入的文件，title就是标题，description就是描述 runner = HTMLTestRunner.HTMLTestRunner
将算法按照学习方式分类是一个不错的想法，这样可以让人们在建模和算法选择的时候考虑能根据输入数据来选择最合适的算法来获得最好的结果。 监督式学习： ?...而对于有些分类来说，同一分类的算法可以针对不同类型的问题。这里，我们尽量把常用的算法按照最容易理解的方式进行分类。 回归算法： ? 回归算法是试图采用对误差的衡量来探索变量之间的关系的一类算法。...决策树算法根据数据的属性采用树状结构建立决策模型， 决策树模型常常用来解决分类和回归问题。...贝叶斯方法算法是基于贝叶斯定理的一类算法，主要用来解决分类和回归问题。...通常用于解决分类和回归问题。人工神经网络是机器学习的一个庞大的分支，有几百种不同的算法。
Ignoring query to other database 【报错原因】 登陆数据库缺少参数 [root@localhost ~]# mysql -root -p 【解决方法】 补全的参数...是不需要的 【解决方法】 去掉password 【错误示例】 mysql> GRANT ALL PRIVILEGES ON *.* TO 'root'@'%' IDENTIFIED BY PASSWORD...1241 - Operand should contain 1 column(s) 【报错原因】 这个语句的出现多是因为将select 的结果集用()包住了。...版本的问题，5.7.27版本 【解决办法】 MySQL [mysql]> set global sql_mode='STRICT_TRANS_TABLES,NO_ZERO_IN_DATE,NO_ZERO_DATE...清除日志文件 SQLSTATE[HY093]: Invalid parameter number: parameter was not defined 【报错原因】 PHP查询绑定参数的问题 【解决办法
1 MySQL背景介绍 1.1 关于MySQL 官方文档：https://dev.mysql.com/doc/refman/8.0/en/ MySQL是Oracle公司开发、发布和支持的最流行的开源SQL...2 CentOS 7.6 安装MySQL 2.1 环境准备 首先centos7 已经不支持mysql（大概是因为收费），所以内部集成了mariadb，而安装mysql的话会和mariadb的文件冲突，所以需要先卸载掉...【如果之前安装了mysql需要先卸载】 yum remove mysql* 删除安装目录 whereis mysql rm -rf /usr/share/mysql 安装MySQL 获取yum...【MySQL对象名默认规定大小写敏感，且在生产环境中MySQL通常运行在Linux系统下，Linux系统本身也是大小写敏感的。】...去图书馆借书也是一样，如果你要借某一本书，一定是先找到对应的分类科目，再找到对应的编号，这是生活中活生生的例子，通用索引，可以加快查询速度，快速定位。
MySQL 8的数据库连接问题 MySQL 8在连接数据库时与5.x版本有较大变化，需要注意如下的一些问题。...驱动包路径变更 MySQL 8的驱动包路径变更为com.mysql.cj.jdbc.Driver，如果使用旧版本的驱动包路径会报错： 1 Loading class `com.mysql.jdbc.Driver...这是MySQL的一个bug： MySQL 5.1和MySQL 5.0在处理到索引语句时有所区别，我所执行的sql语句是从高版本的MySQL里导出来的。...当存在UNIQUE KEY的表导出来时，其sql如下： 1 UNIQUE KEY `idx_name` (`column_name`) USING BTREE 对于该语句，低版本的MySQL是不能识别的...解决方法是将高版本MySQL导出来的sql语句里的column_name调整到USING BTREE后边就行了，如下： 1 UNIQUE KEY `idx_name` USING BTREE (`column_name
多表查询分类 分类1：等值连接 vs 非等值连接 1....j.highest_sal; 或 WHERE e.salary >= j.lowest_sal AND e.salary <= j.highest_sal; [在这里插入图片描述] [在这里插入图片描述] 分类...`employee_id`; [在这里插入图片描述] 分类3：内连接 vs 外连接 除了查询满足条件的记录以外，外连接还可以查询某一方不满足条件的记录。...外连接的分类：左外连接、右外连接、满外连接 左外连接：两个表在连接过程中除了返回满足连接条件的行以外还返回左表中不满足条件的行，这种连接称为左外连接。...总结： 内连接: 合并具有同一列的两个以上的表的行, 结果集中不包含一个表与另一个表不匹配的行。
但是Mysql是如何利用B 树进行查询的呢？索引的作用只是提高查询效率吗？ Mysql中的B Tree索引 假设有一张教师表，里面有教师编号、名字、学科、薪资四个字段。...最左前缀匹配 弄懂了单索引和复合索引的原理，再来理解Mysql中经常被提及的——最左前缀匹配（leftmost prefix），就轻松的多了。 什么是最左前缀匹配？...有一个例外，当你select的字段里有复合索引里的字段，那么where语句不需要满足最左前缀匹配，Mysql也会走索引。...除了聚簇索引，mysql中的其他索引，都叫二级索引（secondary index），有时也翻译为“辅助索引”。...总结 这篇文章从一颗简单的B 树，引申出了Mysql中常见的几个索引概念： 单索引（Column Indexes）：当你为一个字段建了索引时，mysql默默种了一棵树。
MySQL锁分类 每次在听别人说锁的时候，是不是会有点儿晕？（一会儿排它锁，一会儿GAP锁...）因为你站在不同的角度来说，它的名字就会不同。...下面根据几种不同的类型对锁做一个划分： 力度划分： 表级锁：表级锁是MySQL中锁定粒度最大的一种锁，表示对当前操作的整张表加锁，它实现简单，资源消耗较少，被大部分MySQL引擎支持。...最常使用的MYISAM与INNODB都支持表级锁定，开销小，加锁快，粒度大，锁冲突概率大，并发度低，适用于读多写少的情况。 页级锁：页级锁是MySQL中锁定粒度介于行级锁和表级锁中间的一种锁。...所以取了折衷的页级，一次锁定相邻的一组记录。BDB支持页级锁。 行级锁：行级锁是Mysql中锁定粒度最细的一种锁，表示只针对当前操作的行进行加锁。行级锁能大大减少数据库操作的冲突。...Next-key锁：是 MySQL 的 InnoDB 存储引擎的一种锁实现，MVCC 不能解决幻读的问题，Next-Key Locks 就是为了解决这个问题而存在的。
OpenCV DNN基于深度学习中的卷积神经网络技术实现对常见计算机视觉任务完成，这些支持模型的结构与相关的论文笔者做了汇总。今天这里汇总一下支持的图像分类模型。...相关论文如下： https://arxiv.org/pdf/1409.4842.pdf 两个Block结构单元 模型结构 02 AlexNet模型 卷积神经网络模型的开山之作，相关的论文： http:...，图示如下： 07 DenseNet 该网络是残差网络的升级与改进版本，该模型结构在2016年提出，论文地址如下： https://arxiv.org/pdf/1608.06993.pdf 网络中的残差...block结构如下： 08 ShuffleNet 该网络最早在2017年提出，如今也更新到多个版本，从最早的V1版本到如今的V3版本，OpenCV DNN模型支持v1版本的图像分类，相关论文如下： https...OpenCV DNN加载与解析完成图像分类任务。
解决方法： 我的数据库为MySQL 5.5版本，innodb_online_alter_log_max_size值为默认大小128M。...stop STEP 04) rm -f /var/lib/mysql/ib_logfile* STEP 05) service mysql start 案例3、pt-osc加字段时候报错： 收到错误如下...这是MYTB表上之前就有触发器的原因，可以从pt-online-schema-change的工作机制了解到： 1) 如果存在外键，根据alter-foreign-keys-method参数值，检测外键相关的表...，针对相应的设置进行处理； 2) 创建一个新的表，表结构修改后的数据表，用于从源数据表向新表中导入数据； 3) 创建触发器，在复制数据开始之后，将对源数据表继续进行数据修改的操作记录下来，以便在数据复制结束后执行这些操作...，保证数据不会丢失； 4) 复制数据，从源数据表中复制数据到新表中； 5) 修改外键相关的子表，根据修改后的数据，修改外键关联的子表； 6) 更改源数据表为old表，把新表更改为源表名，并将old表删除
这学期我们每个人需要填写三张学年鉴定表，每一张表中都有学业总平均分和考试课平均分两项内容，如果想用手工的方式算出这两项内容不知道要花多久，所以我建议编写一个算法（Excel 的函数啥的本质上也是算法）...计算这两项内容，下面我就以我的成绩为例讲一下用 Python 算出这两项内容的步骤。...我们用 PyCharm 新建一个 Scientific 项目，项目名称和目录随便（因为是对成绩进行分类汇总，所以我就把项目叫做 GradeSummary），如图所示。 ?...另外我们还需要一个学年的序列，因为要算每一学年的学业总平均分和考试课平均分。...今天的文章有不懂的可以后台回复“加群”，备注：小陈学Python，不备注可是会被拒绝的哦~！
"分类排序时算汇总 w_fcat-outputlen = '10'. when 'S_MONEY'...."汇总显示 if p_matnr is not initial. loop at it_bseg into wa_bseg....**--上面是获得W_HEAD的组成情况，获得它的字段和所在table append lines of i_fcat_tmp to i_fcat....****上面两行是设置CHEKC BOX的 w_layo-get_selinfos = cns_x....分类排序 call function 'REUSE_ALV_HIERSEQ_LIST_DISPLAY' exporting i_callback_program
将算法按照学习方式分类是一个不错的想法，这样可以让人们在建模和算法选择的时候考虑能根据输入数据来选择最合适的算法来获得最好的结果。 监督式学习 ?...而对于有些分类来说，同一分类的算法可以针对不同类型的问题。这里，我们尽量把常用的算法按照最容易理解的方式进行分类。 回归算法 ? 回归算法是试图采用对误差的衡量来探索变量之间的关系的一类算法。...决策树算法根据数据的属性采用树状结构建立决策模型， 决策树模型常常用来解决分类和回归问题。...贝叶斯方法算法是基于贝叶斯定理的一类算法，主要用来解决分类和回归问题。...通常用于解决分类和回归问题。人工神经网络是机器学习的一个庞大的分支，有几百种不同的算法。
领取专属 10元无门槛券
手把手带您无忧上云
云服务器
ICP备案
对象存储
腾讯会议
实时音视频
