使用 transform 进行数据转换第二部分

最新推荐文章于 2022-08-15 18:04:31 发布
最新推荐文章于 2022-08-15 18:04:31 发布
阅读量694 收藏
点赞数 1
分类专栏： # Apache ECharts教程
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_52265084/article/details/118189758
版权
更多关于Apache ECharts的文档，请阅读:

《Apache ECharts教程》

数据转换器 “filter”

echarts 内置提供了能起过滤作用的数据转换器。我们只需声明 transform.type: “filter”，以及给出数据筛选条件。如下例：

option = {
    dataset: [{
        source: [
            ['Product', 'Sales', 'Price', 'Year'],
            ['Cake', 123, 32, 2011],
            ['Latte', 231, 14, 2011],
            ['Tofu', 235, 5, 2011],
            ['Milk Tee', 341, 25, 2011],
            ['Porridge', 122, 29, 2011],
            ['Cake', 143, 30, 2012],
            ['Latte', 201, 19, 2012],
            ['Tofu', 255, 7, 2012],
            ['Milk Tee', 241, 27, 2012],
            ['Porridge', 102, 34, 2012],
            ['Cake', 153, 28, 2013],
            ['Latte', 181, 21, 2013],
            ['Tofu', 395, 4, 2013],
            ['Milk Tee', 281, 31, 2013],
            ['Porridge', 92, 39, 2013],
            ['Cake', 223, 29, 2014],
            ['Latte', 211, 17, 2014],
            ['Tofu', 345, 3, 2014],
            ['Milk Tee', 211, 35, 2014],
            ['Porridge', 72, 24, 2014]
        ]
    }, {
        transform: {
            type: 'filter',
            config: { dimension: 'Year', '=': 2011 }
            // 这个筛选条件表示，遍历数据，筛选出维度（ dimension ）
            // 'Year' 上值为 2011 的所有数据项。
        }
    }],
    series: {
        type: 'pie',
        datasetIndex: 1
    }
};

这是 filter 的另一个例子的效果：
在这里插入图片描述

在 “filter” transform 中，有这些要素：

关于维度（ dimension ）：

config.dimension 指定了维度，能设成这样的值：

  • 设定成声明在 dataset 中的维度名，例如 config: { dimension: ‘Year’, ‘=’: 2011 }。不过， dataset 中维度名的声明并非强制，所以我们也可以
  • 设定成 dataset 中的维度 index （index 值从 0 开始）例如 config: { dimension: 3, ‘=’: 2011 }。
关于关系比较操作符：

关系操作符，可以设定这些： >（gt）、>=（gte）、<（lt）、<=（lte）、=（eq）、!=（ne、<>）、reg。（小括号中的符号或名字，是别名，设置起来作用相同）。他们首先基本地能基于数值大小进行比较，然后也有些额外的功能特性：

  • 多个关系操作符能声明在一个 {} 中，例如 { dimension: ‘Price’, ‘>=’: 20, ‘<’: 30 }。这表示“与”的关系，即，筛选出价格大于等于 20 小于 30 的数据项。
  • data 里的值，不仅可以是数值（ number ），也可以是“类数值的字符串”（“ numeric string ”）。“类数值的字符串”本身是一个字符串，但是可以被转换为字面所描述的数值，例如 ’ 123 '。转换过程中，空格（全角半角空格）和换行符都能被消除（ trim ）。
  • 如果我们需要对日期对象（JS Date）或者日期字符串（如 ‘2012-05-12’）进行比较，我们需要手动指定 parser: ‘time’，例如 config: { dimension: 3, lt: ‘2012-05-12’, parser: ‘time’ }。
  • 纯字符串比较也被支持，但是只能用在 = 或 != 上。而 >, >=, <, <= 并不支持纯字符串比较，也就是说，这四个操作符的右值，不能是字符串。
  • reg 操作符能提供正则表达式比较。例如， { dimension: ‘Name’, reg: /\s+Müller\s*$/ } 能在 ‘Name’ 维度上选出姓 ‘Müller’ 的数据项。

关于逻辑比较：

我们也支持了逻辑比较操作符 与或非（ and | or | not ）：

option = {
    dataset: [{
        source: [...]
    }, {
        transform: {
            type: 'filter',
            config: {
                // 使用 and 操作符。
                // 类似地，同样的位置也可以使用 “or” 或 “not”。
                // 但是注意 “not” 后应该跟一个 {...} 而非 [...] 。
                and: [
                    { dimension: 'Year', '=': 2011 },
                    { dimension: 'Price', '>=': 20, '<': 30 }
                ]
            }
            // 这个表达的是，选出 2011 年价格大于等于 20 但小于 30 的数据项。
        }
    }],
    series: {
        type: 'pie',
        datasetIndex: 1
    }
};

and/or/not 自然可以被嵌套，例如：

transform: {
    type: 'filter',
    config: {
        or: [{
            and: [{
                dimension: 'Price', '>=': 10, '<': 20
            }, {
                dimension: 'Sales', '<': 100
            }, {
                not: { dimension: 'Product', '=': 'Tofu' }
            }]
        }, {
            and: [{
                dimension: 'Price', '>=': 10, '<': 20
            }, {
                dimension: 'Sales', '<': 100
            }, {
                not: { dimension: 'Product', '=': 'Cake' }
            }]
        }]
    }
}

关于解析器（ parser ）：

还可以指定“解析器”（ parser ）来对值进行解析后再做比较。现在支持的解析器有：

  • parser: ‘time’：把原始值解析成时间戳（ timestamp ）后再做比较。这个解析器的行为，和 echarts.time.parse 相同，即，当原始值为时间对象（ JS Date 实例），或者是时间戳，或者是描述时间的字符串（例如 ‘2012-05-12 03:11:22’ ），都可以被解析为时间戳，然后就可以基于数值大小进行比较。如果原始数据是其他不可解析为时间戳的值，那么会被解析为 NaN。
  • parser: ‘trim’：如果原始数据是字符串，则把字符串两端的空格（全角半角）和换行符去掉。如果不是字符串，还保持为原始数据。
  • parser: ‘number’：强制把原始数据转成数值。如果不能转成有意义的数值，那么转成 NaN。在大多数场景下，我们并不需要这个解析器，因为按默认策略，“像数值的字符串”就会被转成数值。但是默认策略比较严格，这个解析器比较宽松，如果我们遇到含有尾缀的字符串（例如 ‘33%’, 12px），我们需要手动指定 parser: ‘number’，从而去掉尾缀转为数值才能比较。

这个例子显示了如何使用 parser: ‘time’：

option = {
    dataset: [{
        source: [
            ['Product', 'Sales', 'Price', 'Date'],
            ['Milk Tee', 311, 21, '2012-05-12'],
            ['Cake', 135, 28, '2012-05-22'],
            ['Latte', 262, 36, '2012-06-02'],
            ['Milk Tee', 359, 21, '2012-06-22'],
            ['Cake', 121, 28, '2012-07-02'],
            ['Latte', 271, 36, '2012-06-22'],
            ...
        ]
    }, {
        transform: {
            type: 'filter',
            config: {
                { dimension: 'Date', '>=': '2012-05', '<': '2012-06', parser: 'time' }
            }
        }
    }]
}

形式化定义：

最后，我们给出，数据转换器 “filter” 的 config 的形式化定义：

type FilterTransform = {
    type: 'filter';
    config: ConditionalExpressionOption;
};
type ConditionalExpressionOption =
    true | false | RelationalExpressionOption | LogicalExpressionOption;
type RelationalExpressionOption = {
    dimension: DimensionName | DimensionIndex;
    parser?: 'time' | 'trim' | 'number';
    lt?: DataValue; // less than
    lte?: DataValue; // less than or equal
    gt?: DataValue; // greater than
    gte?: DataValue; // greater than or equal
    eq?: DataValue; // equal
    ne?: DataValue; // not equal
    '<'?: DataValue; // lt
    '<='?: DataValue; // lte
    '>'?: DataValue; // gt
    '>='?: DataValue; // gte
    '='?: DataValue; // eq
    '!='?: DataValue; // ne
    '<>'?: DataValue; // ne (SQL style)
    reg?: RegExp | string; // RegExp
};
type LogicalExpressionOption = {
    and?: ConditionalExpressionOption[];
    or?: ConditionalExpressionOption[];
    not?: ConditionalExpressionOption;
};
type DataValue = string | number | Date;
type DimensionName = string;
type DimensionIndex = number;

数据转换器 “sort”

“sort” 是另一个内置的数据转换器，用于排序数据。目前主要能用于在类目轴（ axis.type: ‘category’ ）中显示排过序的数据。例如：

option = {
    dataset: [{
        dimensions: ['name', 'age', 'profession', 'score', 'date'],
        source: [
            [' Hannah Krause ', 41, 'Engineer', 314, '2011-02-12'],
            ['Zhao Qian ', 20, 'Teacher', 351, '2011-03-01'],
            [' Jasmin Krause ', 52, 'Musician', 287, '2011-02-14'],
            ['Li Lei', 37, 'Teacher', 219, '2011-02-18'],
            [' Karle Neumann ', 25, 'Engineer', 253, '2011-04-02'],
            [' Adrian Groß', 19, 'Teacher', null, '2011-01-16'],
            ['Mia Neumann', 71, 'Engineer', 165, '2011-03-19'],
            [' Böhm Fuchs', 36, 'Musician', 318, '2011-02-24'],
            ['Han Meimei ', 67, 'Engineer', 366, '2011-03-12'],
        ]
    }, {
        transform: {
            type: 'sort',
            // 按分数排序
            config: { dimension: 'score', order: 'asc' }
        }
    }],
    series: {
        type: 'bar',
        datasetIndex: 1
    },
    ...
};

在这里插入图片描述

数据转换器 “sort” 还有一些额外的功能：

  • 可以多重排序，多个维度一起排序。见下面的例子。
  • 排序规则是这样的：
  1. 默认按照数值大小排序。其中，“可转为数值的字符串”也被转换成数值，和其他数值一起按大小排序。
  2. 对于其他“不能转为数值的字符串”，也能在它们之间按字符串进行排序。这个特性有助于这种场景：把相同标签的数据项排到一起，尤其是当多个维度共同排序时。见下面的例子。
  3. 当“数值及可转为数值的字符串”和“不能转为数值的字符串”进行排序时，或者它们和“其他类型的值”进行比较时，它们本身是不知如何进行比较的。那么我们称呼“后者”为“incomparable”，并且可以设置 incomparable: ‘min’ | ‘max’ 来指定一个“incomparable”在这个比较中是最大还是最小，从而能使它们能产生比较结果。这个设定的用途，比如可以是，决定空值（例如 null, undefined, NaN, ‘’, ‘-’）在排序的头还是尾。
  • 过滤器 filter: ‘time’ | ‘trim’ | ‘number’ 可以被使用，和数据转换器 “filter” 中的情况一样。
  1. 如果要对时间进行排序（例如，值为 JS Date 实例或者时间字符串如 ‘2012-03-12 11:13:54’），我们需要声明 parser: ‘time’。
  2. 如果需要对有后缀的数值进行排序（如 ‘33%’, ‘16px’）我们需要声明 parser: ‘number’。
    这是一个“多维度排序”的例子。
option = {
    dataset: [{
        dimensions: ['name', 'age', 'profession', 'score', 'date'],
        source: [
            [' Hannah Krause ', 41, 'Engineer', 314, '2011-02-12'],
            ['Zhao Qian ', 20, 'Teacher', 351, '2011-03-01'],
            [' Jasmin Krause ', 52, 'Musician', 287, '2011-02-14'],
            ['Li Lei', 37, 'Teacher', 219, '2011-02-18'],
            [' Karle Neumann ', 25, 'Engineer', 253, '2011-04-02'],
            [' Adrian Groß', 19, 'Teacher', null, '2011-01-16'],
            ['Mia Neumann', 71, 'Engineer', 165, '2011-03-19'],
            [' Böhm Fuchs', 36, 'Musician', 318, '2011-02-24'],
            ['Han Meimei ', 67, 'Engineer', 366, '2011-03-12'],
        ]
    }, {
        transform: {
            type: 'sort',
            config: [
                // 对两个维度按声明的优先级分别排序。
                { dimension: 'profession', order: 'desc' },
                { dimension: 'score', order: 'desc' }
            ]
        }
    }],
    series: {
        type: 'bar',
        datasetIndex: 1
    },
    ...
};

在这里插入图片描述

最后，我们给出数据转换器 “sort” 的 config 的形式化定义。

type SortTransform = {
    type: 'filter';
    config: OrderExpression | OrderExpression[];
};
type OrderExpression = {
    dimension: DimensionName | DimensionIndex;
    order: 'asc' | 'desc';
    incomparable?: 'min' | 'max';
    parser?: 'time' | 'trim' | 'number';
};
type DimensionName = string;
type DimensionIndex = number;

使用外部的数据转换器

除了上述的内置的数据转换器外，我们也可以使用外部的数据转换器。外部数据转换器能提供或自己定制更丰富的功能。下面的例子中，我们使用第三方库 ecStat 提供的数据转换器。

生成数据的回归线：

// 首先要注册外部数据转换器。
echarts.registerTransform(ecStatTransform(ecStat).regression);
option = {
    dataset: [{
        source: rawData
    }, {
        transform: {
            // 引用注册的数据转换器。
            // 注意，每个外部的数据转换器，都有名空间（如 'ecStat:xxx'，'ecStat' 是名空间）。
            // 而内置数据转换器（如 'filter', 'sort'）没有名空间。
            type: 'ecStat:regression',
            config: {
                // 这里是此外部数据转换器所需的参数。
                method: 'exponential'
            }
        }
    }],
    xAxis: { type: 'category' },
    yAxis: {},
    series: [{
        name: 'scatter',
        type: 'scatter',
        datasetIndex: 0
    }, {
        name: 'regression',
        type: 'line',
        symbol: 'none',
        datasetIndex: 1
    }]
};

一些使用外部转换器的例子：

  • 聚集
  • 直方图
  • 简单聚类
  • 线性回归线
  • 指数回归线
  • 对数回归线
  • 多项式回归线
月满闲庭
关注
  • 1
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 2
    评论
专栏目录
Visual C++程序开发范例宝典(光盘) 第八部分
04-25
Visual C++程序开发范例宝典配套光盘，因大小受限，所以分成8部分上传，必须全部下载才能正常解压！ 第1章　窗体与界面设计 1.1　菜单应用实例 实例001　在系统菜单中添加菜单项 实例002　带图标的程序菜单 实例003　根据表中数据动态生成菜单 实例004　浮动的菜单 1.2　弹出菜单应用实例 实例005　在控件上单击右键弹出菜单 实例006　个性化的弹出菜单 实例007　任务栏托盘弹出菜单 1.3　工具栏应用实例 实例008　带背景的工具栏 实例009　带图标的工具栏 实例010　带下拉菜单的工具栏 实例011　可调整按钮位置的工具栏 实例012　浮动工具栏 实例013　根据表中数据动态生成工具栏 实例014　具有提示功能的工具栏 1.4　状态栏应用实例 实例015　带进度条的状态栏 实例016　动画效果的状态栏 实例017　滚动字幕的状态栏 1.5　导航界面应用实例 实例018　Outlook导航界面 实例019　树状导航界面 实例020　按钮导航界面 实例021　类QQ导航菜单 1.6　界面窗体应用实例 实例022　背景为渐变色的程序界面 实例023　椭圆形的程序界面 实例024　自绘窗体界面 实例025　类似Windows XP的程序界面 实例026　窗体融合技术 实例027　限制对话框最大时的窗口大小 1.7　多媒体宣传光盘应用实例 实例028　多媒体宣传光盘主界面 实例029　自动运行的多媒体宣传光盘 1.8　多媒体触摸屏程序应用实例 实例030　采购中心多媒体触摸屏程序 实例031　为触摸屏程序添加虚拟键盘 1.9　窗体位置应用实例 实例032　不可移动的窗体 实例033　始终在最上面的窗体 实例034　动画显示窗体 实例035　以时钟显示界面窗体 1.10　窗体标题栏应用实例 实例036　闪烁的窗体标题栏 实例037　拖动没有标题栏的窗体 实例038　禁用标题栏上的最大化、最小化或关闭按钮 1.11　窗体形状及应用 实例039　半透明窗体 实例040　创建字型窗体 实例041　百叶窗窗体 实例042　类似Office助手 第2章　控件应用 2.1　按钮控件典型实例 实例043　AVI动画按钮 实例044　GIF动画按钮 实例045　图文按钮 实例046　不规则按钮 2.2　EditBox控件典型实例 实例047　为EditBox设置新的系统菜单 实例048　为EditBox控件添加列表选择框 实例049　多彩边框的编辑框 实例050　改变编辑框文本颜色 2.3　ListBox控件典型实例 实例051　利用ListBox控件实现标签式数据选择 实例052　在ListBox控件间实现数据交换 实例053　列表项的提示条 2.4　ComboBox控件典型实例 实例054　将数据表中的字段添加到ComboBox控件 实例055　带查询功能的ComboBox控件 实例056　自动调整组合框的宽度 实例057　颜色组合框 实例058　多列显示的组合框 2.5　ListControl控件典型实例 实例059　将数据库中的数据表添加到ListControl控件 实例060　利用ListControl控件浏览数据 实例061　利用ListControl控件制作导航界面 实例062　在列表视图中拖动视图项 实例063　利用列标题对列表视图进行数据排序 实例064　具有文本录入功能的ListControl控件 2.6　TreeControl控件典型实例 实例065　多级数据库树状结构数据显示 实例066　可动态修改节点的树状结构 实例067　带复选功能的树状结构 实例068　显示磁盘目录 实例069　树型提示框 2.7　RichEdit控件典型实例 实例070　利用RichEdit显示Word文档 实例071　利用RichEdit控件实现文字定位与标识 实例072　利用RichEdit控件显示图文数据 2.8　图形类控件典型实例 实例073　图文数据录入 实例074　带有滚动条的图形控件 2.9　滚动条控件典型实例 实例075　自定义滚动条控件 2.10　控件数组典型实例 实例076　向窗体中动态添加控件 实例077　公交线路模拟 第3章　图形技术 3.1　绘制图形 实例078　绘制正弦曲线 实例079　绘制艺术图案 实例080　画图程序 实例081　绘制立体模型 实例082　利用IFS算法绘制自然景物 3.2　图像预览 实例083　图片自动预览程序 实例084　图片批量浏览 实例085　浏览大幅BMP图片 实例086　放大和缩小图片 实例087　可随鼠标移动的图形 实例088　随图像大小变换的图像浏览器 3.3　图片效果 实例089　图片马赛克效果 实例090　图片百叶窗效果 实例091　电影胶片特效 实例092　翻
完整版数据挖掘数据分析课程SPSS软件实习实训实战教材教程 第02章 数据文件的管理2.pdf
07-24
2.1　建立与保存数据文件-File菜单 2.1.1　新建数据文件 2.1.2.1　直接打开 2.1.2.2　使用数据库查询打开 2.1.2.3　使用文本导入向导读入文本文件 2.1.2　打开其他格式的数据文件 2.1.3　保存数据文件 2.1.4　File菜单中的其他条目 2.2　编辑数据文件 2.2.1　定义新变量 2.2.1.1　直接定义新变量 2.2.1.2　从原有变量计算新变量-Transform菜单 2.2.2　数据的录入 2.2.2.1　直接录入 2.2.2.2　数据录入技巧 2.3　进一步整理数据文件-Data菜单 2.3.1　用于数据管理的菜单项 2.3.2　正交设计菜单项 2.2.1.2　从原有变量计算新变量 从头定义变量的情况多数在建立数据集时出现。但是，当数据集已经建立，需要整理、转换变量时，碰到的更多情况是需要根据某种条件从原有变量计算新变量。下面我们将按菜单条目的顺序依次讲解他们的功能。但是，首先我们需要了解一下所用的对话框界面的情况。
keras-transform:资料扩充库
05-09
keras变换 资料扩充库 声明：我不再真正在该库上工作，最近对Keras 2.2.0所做的更改使该库过时了。 请参阅我的博客文章： : 该库为Sequence对象提供了数据增强管道。 Keras转换允许用户指定掩码以灵活的方式进行数据扩充。 这在诸如分割的许多任务中很有用，在这些任务中，我们希望增强基本事实。 参见 。 Keras变换还可以通过使用复杂的掩码来处理多个输入和输出。 例如， mask=[[True,False],False]将增加第一个输入，但不增加第二个输入。 keras转换成10行 from transform . sequences import SequentialTransformer from transform . sequences import RandomZoomTransformer , RandomVerticalFlipTransform
Visual C++程序开发范例宝典(光盘) 第四部分
04-25
Visual C++程序开发范例宝典配套光盘，因大小受限，所以分成8部分上传，必须全部下载才能正常解压！ 第1章　窗体与界面设计 1.1　菜单应用实例 实例001　在系统菜单中添加菜单项 实例002　带图标的程序菜单 实例003　根据表中数据动态生成菜单 实例004　浮动的菜单 1.2　弹出菜单应用实例 实例005　在控件上单击右键弹出菜单 实例006　个性化的弹出菜单 实例007　任务栏托盘弹出菜单 1.3　工具栏应用实例 实例008　带背景的工具栏 实例009　带图标的工具栏 实例010　带下拉菜单的工具栏 实例011　可调整按钮位置的工具栏 实例012　浮动工具栏 实例013　根据表中数据动态生成工具栏 实例014　具有提示功能的工具栏 1.4　状态栏应用实例 实例015　带进度条的状态栏 实例016　动画效果的状态栏 实例017　滚动字幕的状态栏 1.5　导航界面应用实例 实例018　Outlook导航界面 实例019　树状导航界面 实例020　按钮导航界面 实例021　类QQ导航菜单 1.6　界面窗体应用实例 实例022　背景为渐变色的程序界面 实例023　椭圆形的程序界面 实例024　自绘窗体界面 实例025　类似Windows XP的程序界面 实例026　窗体融合技术 实例027　限制对话框最大时的窗口大小 1.7　多媒体宣传光盘应用实例 实例028　多媒体宣传光盘主界面 实例029　自动运行的多媒体宣传光盘 1.8　多媒体触摸屏程序应用实例 实例030　采购中心多媒体触摸屏程序 实例031　为触摸屏程序添加虚拟键盘 1.9　窗体位置应用实例 实例032　不可移动的窗体 实例033　始终在最上面的窗体 实例034　动画显示窗体 实例035　以时钟显示界面窗体 1.10　窗体标题栏应用实例 实例036　闪烁的窗体标题栏 实例037　拖动没有标题栏的窗体 实例038　禁用标题栏上的最大化、最小化或关闭按钮 1.11　窗体形状及应用 实例039　半透明窗体 实例040　创建字型窗体 实例041　百叶窗窗体 实例042　类似Office助手 第2章　控件应用 2.1　按钮控件典型实例 实例043　AVI动画按钮 实例044　GIF动画按钮 实例045　图文按钮 实例046　不规则按钮 2.2　EditBox控件典型实例 实例047　为EditBox设置新的系统菜单 实例048　为EditBox控件添加列表选择框 实例049　多彩边框的编辑框 实例050　改变编辑框文本颜色 2.3　ListBox控件典型实例 实例051　利用ListBox控件实现标签式数据选择 实例052　在ListBox控件间实现数据交换 实例053　列表项的提示条 2.4　ComboBox控件典型实例 实例054　将数据表中的字段添加到ComboBox控件 实例055　带查询功能的ComboBox控件 实例056　自动调整组合框的宽度 实例057　颜色组合框 实例058　多列显示的组合框 2.5　ListControl控件典型实例 实例059　将数据库中的数据表添加到ListControl控件 实例060　利用ListControl控件浏览数据 实例061　利用ListControl控件制作导航界面 实例062　在列表视图中拖动视图项 实例063　利用列标题对列表视图进行数据排序 实例064　具有文本录入功能的ListControl控件 2.6　TreeControl控件典型实例 实例065　多级数据库树状结构数据显示 实例066　可动态修改节点的树状结构 实例067　带复选功能的树状结构 实例068　显示磁盘目录 实例069　树型提示框 2.7　RichEdit控件典型实例 实例070　利用RichEdit显示Word文档 实例071　利用RichEdit控件实现文字定位与标识 实例072　利用RichEdit控件显示图文数据 2.8　图形类控件典型实例 实例073　图文数据录入 实例074　带有滚动条的图形控件 2.9　滚动条控件典型实例 实例075　自定义滚动条控件 2.10　控件数组典型实例 实例076　向窗体中动态添加控件 实例077　公交线路模拟 第3章　图形技术 3.1　绘制图形 实例078　绘制正弦曲线 实例079　绘制艺术图案 实例080　画图程序 实例081　绘制立体模型 实例082　利用IFS算法绘制自然景物 3.2　图像预览 实例083　图片自动预览程序 实例084　图片批量浏览 实例085　浏览大幅BMP图片 实例086　放大和缩小图片 实例087　可随鼠标移动的图形 实例088　随图像大小变换的图像浏览器 3.3　图片效果 实例089　图片马赛克效果 实例090　图片百叶窗效果 实例091　电影胶片特效 实例092　翻
transform-json:简单转换 JSON 对象结构
06-24
转换 JSON 简单转换 JSON 对象结构。 轻松重命名 JSON 键。 为什么？ 该节点模块的第一个目标是修改和维护的许多翻译文件的结构。 请注意，输入文件的值永远不会改变，但结构信息会改变。 在您的节点项目中使用它 npm install transform-json --save-dev var transformJson = require ( 'transform-json' ) ; var input = { a : 'some string' } ; var transform = { 'a' : 'b' // renames 'a' to 'b' } ; var output = transformJson ( input , transform ) ; console . log ( 'output: ' + JSON . stringify ( out
数据泵的TRANSFORM参数说明及使用
Expec-乐的博客
06-21 3301
1 TRANSFORM参数说明 官方文档：http://docs.oracle.com/database/122/SUTIL/datapump-import-utility.htm#SUTIL939 1.1 TRANSFORM适用场景 导入和导出的时候，有些表空间不一样。比如导出的时候该对象是在A表空间，导入到另一个库没有表空间A就会报错。但是使用这个参数就会正常导入，该对象会存储在该用户下...
数据库系统实践 II 创建数据表
星渊龙骑的博客
03-18 3946
目录 知识 练习 1.使用 SQL 语句创建如下结构的三张表： Student Course SC 2、使用 SQL 语句对上题创建的表作如下修改： 1) 为 student 表添加专业列,列名为 spec，类型为 char(10)。 2) 将 spec 列的数据类型改为 nchar(10)。 3) 为 student 表的 sdept 列添加约束，限制该列取值范围为{计算机系，信息管理系， 通信工程系}。 4) 为 SC 表的 grade 列添加约束，要求此列的取值范围为 0~1.
Echarts数据转换transform
因为我是ZR 的博客
05-04 3150
数据转换：给定一个已有的“数据集”（dataset）和一个“转换方法”（transform），echarts 能生成一个新的“数据集”并使用这个新的“数据集”绘制图表。 outData = f(inputData) f 是转换方法，例如：filter、sort、regression、boxplot、cluster、aggregate(todo) 等 数据转换基础使用 var option = { dataset: [ { // 这个 dataset 的 index 是 `0`。 so
【Django-CI系统】echarts dataset标准写法-20220509
Season CSDN博客
05-10 406
echarts的dataset标准写法 option = { dataset: [ { dimensions: ['name', 'score'], source: [ ['Hannah Krause', 41,], ['Zhao Qian', 20, ], ['Jasmin Krause ', 52,], ] }, { transform: { type: 'sort
使用 transform 进行数据转换第一部分
月满闲庭的博客
06-25 2003
Apache EChartsTM 5 开始支持了“数据转换”（ data transform ）功能。在 echarts 中，“数据转换” 这个词指的是，给定一个已有的“数据集”（dataset）和一个“转换方法”（transform），echarts 能生成一个新的“数据集”，然后可以使用这个新的“数据集”绘制图表。这些工作都可以声明式地完成。 抽象地来说，数据转换是这样一种公式：outData = f(inputData)。f 是转换方法，例如：filter、sort、regression、boxplo
大数据整理——数据集成.pdf
12-24
⼤数据整理 ⼤数据整理——数据集成 数据集成 数据集成 数据集成 1.背景： 背景： 因业务需要，事业单位内部普遍构建了多个异构的信息系统，这些信息系统中管理的数据源彼此独⽴、相互封闭，形成"信息孤岛"⽆法形成 快速有效的共享。 2.定义： 定义： 数据集成把⼀组⾃治、异构数据源中的数据进⾏逻辑或物理上的集中，并对外提供统⼀的访问接⼝，从⽽实现全⾯的数据共享。 3.举例： 举例： 杭州市政府⼯作报告中的"最多跑⼀次"改⾰，许多互联⽹应⽤（包括机票、酒店，餐饮，租房，商品⽐价等服务）都是把来⾃不同数据源的 数据进⾏有效集成，对外提供统⼀的访问服务。 4.解决⽅案 解决⽅案 数据源的异构性和⾃治性是数据集成系统⾯临的两个主要挑战。针对这两个挑战，数据集成通常采⽤如下两种解决⽅案。 4.1数据仓库 数据仓库 ⼈们把⼀组⾃治数据源中的数据加载并存储到⼀个物理数据库（称为数据仓库）中，然后在数据仓库上对集成后的数据进⾏后续的操作和分 析。如下图所⽰，基于数据仓库的数据集成系统架构 基于数据仓库的数据集成系统架构 数据仓库技术涉及的技术包括ETL、元数据管理和数据仓库本⾝涉及的技术。 ETL：定期地从各个数据源中抽取（extract）、转换（transform）、加载（load）数据到数据仓库中. 数据仓库：物理数据库，存放从数据源ETL的数据，以供数据应⽤层使⽤。 元数据管理：涉及对数据源的描述、对数据仓库中数据的描述、数据仓库中数据与数据源中数据之间的语义映射。 4.2虚拟集成系统 虚拟集成系统 在虚拟集成系统中，数据保存在原来的数据源中，只在查询时才需要访问。如下图所⽰，基于中间模式的数据集成系统架构。 基于中间模式的数据集成系统架构 虚拟集成系统主要使⽤中间模式建⽴全局数据的逻辑视图，为异构数据源提供⾼层次的数据访问服务。 数据库：提供数据，独⽴性强 封装器： 负责把上层⽤户的查询转发到数据源，并把数据源返回的结果转发给上层的应⽤ 中间模式：向下协调各数据源系统，向上为访问集成数据的应⽤提供统⼀数据模式和数据访问的通⽤接⼝。 元数据：维护数据源的基本信息以及中间模式到数据源之间的语义映射等。 4.3 技术细节 技术细节 ⽆论是基于数据仓库还是基于中间模式的数据集成系统，都需要完成实体与关联抽取、模式匹配（schema matching）、实体对齐（record linkage或entity resolution）和实体融合（data fusion）这4个步骤。 4.3.1 实体与关联抽取 实体与关联抽取 ⾯向结构化数据的实体与关联抽取技术⽐较直观，⾯向⾮结构化数据的实体与关联抽取****可参考第4.1节。** 4.3.2 模式匹配 模式匹配 模式匹配主要⽤于发现并映射两个或多个异构数据源之间的属性对应关系，在⼤规模数据背景下尤为重要。⽬前，基于朴素贝叶斯、 stacking等机器学习算法的模式匹配得到了⼴泛的研究，并在某些特定领域得到了良好的应⽤。基于模式匹配，实体对齐的⽬标是根据匹配 属性的记录特征，将数据源中指代同⼀实体的记录连接起来。 4.3.3 实体对齐 实体对齐 实体对齐主要分为3个步骤：获取候选集、成对匹配、聚簇处理。⼴义地说，实体对齐的⽅法可以划分为⽆监督学习和有监督学习。随着⼈ ⼯智能技术的发展，基于决策树、Logistic回归、⽀持向量机（sup port vector machine，SVM）的机器学习⽅法以及基于词向量（word embedding）的深度学习⽅法被应⽤于实体对齐，以提⾼算法的性能。 4.4.4 实体融合 实体融合 实体对齐可以把⼀组数据源中同⼀实体的不同记录连接起来，由于数据质量问题，这些记录在描述同⼀实体时可能存在数据冲突，例如同⼀ 个⼈的住址在不同数据源之间的描述可能是不⼀样的。 因此，在数据集成的最终环节中，实体融合旨在消除不同数据源之间同⼀个实体属性值的冲突，将不同的数据信息进⾏综合，从⽽提取出统 ⼀、丰富、⾼精度的数据。实体融合的主要⽅法包括基于规则的⽆监督学习、结合标注数据的半监督学习等。虽然基于标注数据的半监督学 习在精度、召回率等⽅⾯均获得了令⼈满意的效果，但是其最⼤的挑战在于带标签训练数据的获取往往需要耗费较⼤的⼈⼒和物⼒。如何利 ⽤主动学习获取训练数据以降低研究代价，是当前学术界和⼯业界研究的热点话题。
pytorch数据操作---dataset，dataloader，transform
xys430381_1的专栏
11-03 9599
基本概述 pytorch输入数据PipeLine一般遵循一个“三步走”的策略，一般pytorch 的数据加载到模型的操作顺序是这样的： ① 创建一个 Dataset 对象。必须实现__len__()、getitem()这两个方法，这里面会用到transform对数据集进行扩充。 ② 创建一个 DataLoader 对象。它是对DataSet对象进行迭代的，一般不需要事先里面的其他方法了。 ③ 循环...
优维低代码：Transform 数据转换
EasyOps_DevOps的博客
08-15 307
在 Brick Next 中， dataSource+fields 是我们的开发者实践出来的不成文的约定，但是由于没有事先强制约定及深入调研，它的实现在不同的构件里虽然看起来相似，实际则各不相同，这给相关构件的下游使用者来说非常困惑，因此急需统一这些数据转换逻辑。注意这里容器构件为单元格构件（columns）起到了类似 useResolves 的作用：为它们传递数据并提供转换数据的接口，在容器构件里可能是这样实现的：​​​​​​​。现在可以在 useBrick 中使用插槽 slots 了：​​​​​​​。.
ECharts(三)
qq_43408367的博客
12-08 805
文章目录使用 transform 进行数据转换数据转换基础使用使用 transform 时的几个要点数据转换的进阶使用-链式声明 transform数据转换器 "filter"ECharts 关于维度（ dimension ） 使用 transform 进行数据转换 在 echarts 中，“数据转换” 这个词指的是，给定一个已有的“数据集”（dataset）和一个“转换方法”（transform） echarts 能生成一个新的“数据集”，然后可以使用这个新的“数据集”绘制图表 数据转换是这样一种公式：
Echarts 数据转换
lzy2213811239的博客
06-21 717
Echarts 数据转换——transform
echarts 入门配置、dataset、transform、坐标系
weixin_43294560的博客
03-18 2270
非vue引入echarts.js文件 echarts必须要有个有高宽的容器来盛放地图 vue中配置: 1、cnpm install echarts --save 2、引入echarts 3、**在组件的生命周期mounted函数中调用,确保dom已经被创建** (1)初始化地图对象 let myMap=echarts.init(document.querySelector('...
pandas骚操作：transform 数据转换的 4 个常用技巧！
数据森麟
02-03 1207
公众号后台回复“图书“，了解更多号主新书内容来源：Python数据科学作者：东哥起飞大家好，我是东哥。本篇是pandas100个骚操作系列的第 8篇：transform 数据转换的 4 ...
python transform_Python pandas.DataFrame.transform函数方法的使用
weixin_39633134的博客
12-05 495
DataFrame.transform(func, axis=0, *args, **kwargs)源代码调用func自己产生一个改变值的和自己的相同的轴长度的DataFrame新版本0.20.0。参数:func:function, str, list或 dict用于转换数据的函数。如果是函数，则必须在传递DataFrame或传递到DataFrame.apply时工作。接受的组合是:func...
数据可视化echarts学习笔记
我真的很不错的博客
08-23 1006
文章目录echarts使用渐变色一些配置项动态排序 echarts 使用 1.首先需要先引入echarts html直接引入js文件 <script src="../echarts.min.js"></script> vue项目中需要先安装 npm install echarts --save 然后在需要的地方引入 import * as echarts from 'echarts' 2.初始化dom节点 首先得有一个dom节点容器 <div id="main" styl
pyspark transform
最新发布
09-28
pyspark的transform方法用于将DataFrame应用于一个或多个转换器，以生成另一个DataFrame。通过transform方法，可以将数据在不同的转换器之间进行流水线处理，从而实现数据的预处理和特征工程等操作。 在给定的引用中，有两个示例展示了如何使用pyspark的transform方法。第一个示例中，使用了Tokenizer转换器将输入文本字符串转换为小写并以空格分割成单词。第二个示例中，使用了RegexTokenizer转换器根据Java正则表达式将输入文本字符串分割成单词。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 2
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

月满闲庭

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值