精华内容
下载资源
问答
  • 二维表

    2013-04-25 21:39:53
    关系模型,数据结构表示为一个二维表,一个关系就是一个二维表(但不是任意一个二维表都能表示一个关系),二维表名就是关系名。表的第一行通常称为属性名,表的每一个元组和属性都是不可再分的,且元组的...
    在关系模型中,数据结构表示为一个二维表,一个关系就是一个二维表(但不是任意一个二维表都能表示一个关系),二维表名就是关系名。表中的第一行通常称为属性名,表中的每一个元组和属性都是不可再分的,且元组的次序是无关紧要的。
    
      常用的关系术语如下:
      记录 二维表中每一行称为一个记录,或称为一个元组。
      字段 二维表中每一列称为一个字段,或称为一个属性。
      域 即属性的取值范围。 
      关键字 在一个关系中有这样一个或几个字段,它(们)的值可以唯一地标识一条记录,称之为关键字(Key)。例如,在学生关系中,学号就是关键字。
      关系模式 对关系的描述称为关系模式,其格式为:
      关系名(属性名1,属性名2,…,属性名n)
      一个关系模式对应一个关系的结构,它是命名的属性集合。
    展开全文
  • 关系数据库里,关系模式(模型)是型,关系是值,关系模式...关系实质上是一个二维表,表每一条记录(行)在关系模式被称为元组,每个字段()被称为属性。 前者是描述结构,后者是具体数据。严格上不能划等号。
    关系数据库里,关系模式(模型)是型,关系是值,关系模式是对关系的描述。关系实质上是一个二维表,表中每一条记录(行)在关系模式中被称为元组,每个字段(列)被称为属性。
    
    前者是描述结构,后者是具体数据。严格上不能划等号。
    展开全文
  • 数据建模二维表和一维表!

    千次阅读 2012-05-04 22:19:36
    什么是表/一维表/二维表,哪位给个准确的定义 [复制链接] <!-- .pcb {margin-right:0} --> 透视表要求是一维表, 那什么是表、一维表、二维表呢?查了一下午也没有找到准确的定义, 把找到...

    [讨论] 什么是表/一维表/二维表,哪位给个准确的定义 [复制链接]

    透视表要求是一维表,
    那什么是表、一维表、二维表呢?查了一下午也没有找到准确的定义,
    把找到的内容罗列如下:
    ++++++++++++++++++++++++++++++++++++
    13.在关系数据模型中,一维表的列称为属性,二维表的行称为    。
    ++++++++++++++++++++++++++++++++++++
    ++++++++++++++++++++++++++++++++++++
    系统将表定义为有关联的元素组成的一个整体。可以表示数学中的集合、向量、矩阵,也可以表示数据库中的一组记录。
    一维表的表示形式是用花括号括起来的且中间用逗号分开的若干元素。例如:
                          {1,2,100,x,y}
    表示由1,2,100,x,y这5个元素组成的一维表。
    二维表的表示形式是用花括号括起来的且中间用逗号分开的若干个一维表。例如:
    {{1,2,5},{2,4,4},{3,5,8,a,b},{1,2,1,x,y}}
    均是二维表,二维表就是“表中表”。
    ++++++++++++++++++++++++++++++++++++

    二维表由行和列组成,一列对应于一个字段,称为属性
    ++++++++++++++++++++++++++++++++++++

    Q:经常看到关于一维表转为二维表、二维表转为一维列表等说法,那么,什么是“一维表”、“二维表”呢?
    A:从数据库的观点来说,一维表是最合适于透视和数据分析的数据存储结构。
    很多人容易将它与一维数组、二维数组、三维引用等等联系在一起,把“一维表”想象为只有一行或一列的表,这个想法是错误的。
    实际上,这里的“维”指的是分析数据的角度,因此,
           
    比如一个简单人事数据表如下:
    序号        姓名        年龄        博士        硕士        本科        大专及以下
    1        张三        36        √                           
    2        李四        11                 √                  
    3        王老五        50                                   √
    4        肖萍儿        11                          √         
    5        李仨儿        45                          √         
    6        黄蓉        12                 √                  
    7        严翠翠        33                                   √


    表中的“博士、硕士、本科、大专及以下”从数据的角度来说,应该都是“学历”范畴,是人事档案中描述的一个因素,应该使用同一个字段,因此上面的表格可以称为一个“二维表”。而下面这个形式则为一维表:
    序号        姓名        年龄        学历
    1        张三        36        博士
    2        李四        11        硕士
    3        王老五        50        大专及以下
    4        肖萍儿        11        本科
    5        李仨儿        45        本科
    6        黄蓉        12        硕士
    7        严翠翠        33        大专及以下


    ++++++++++++++++++++++++++++++++++++
    ++++++++++++++++++++++++++++++++++++
    系统将报表的数据、规则以及报表的描述相分离,提供了功能强大的报表设计工具,它可以绘制一维表、二维表、定长表、不定长表以及混合表;对大表可以折行处理,可以加多个时点值,可以绘制类似“刀形”的表格等。绘制报表时只需定义好各指标间的关系,然后用鼠标简单拖拽即可画出想要的报表。另外在报表引擎处提供了调用规则引擎来设置审核关系的功能;
    ++++++++++++++++++++++++++++++++++++
    ++++++++++++++++++++++++++++++++++++
    这里有一个一维表,如下所示:
    T1    W1    0
    T1    W2    0
    T1    W3    0
    T2    W1    1
    T2    W2    1
    T3    W1    2
    ...  ...  ...
    这个表是动态生成的,需要转换成如下二维表:
          T1    T2    T3    ...
    W1    0    1    2    ...
    W2    0    1    -1    ...
    W3    0    -1    -1    ...
    ...  ...  ...  ...  ...
    主要难点是T和W的个数不确定,并且有些是没有数据的,例如T3-W2等,当没有数据时需要用-1来进行填充,求各位大虾,把这个一维表转成二维表的sql语句怎么写?谢谢!!!
    ++++++++++++++++++++++++++++++++++++
    ++++++++++++++++++++++++++++++++++++
      二维表(一维是科目,二维是数据行)

        1.二维表:是关系数据库中“表达关系”记录数据的基本形式。

        2.二维表栏目不能嵌套,(表中不能再套表了)
    ++++++++++++++++++++++++++++++++++++


    各位,给个定义吧。准确
    展开全文
  • Pandas 是 python的一个数据分析...Pandas 可以实现 SQL 的语句,对 DataFrame 的操作相当于对二维表操作一样。 还是以股票某天的分笔记录为例。之前数据进行处理已经导入数据库。 import numpy as np im

    Pandas 是 python的一个数据分析包,它提供了大量的数据模型型和函数库,对数据处理很方便。DataFrame 是一个二维表格数据结构,可以当做数据库中的一张关系表。Pandas 可以实现 SQL 中的语句,对 DataFrame  的操作相当于对二维表操作一样。


    还是以股票某天的分笔记录为例。之前数据进行处理已经导入数据库。

    import numpy as np
    import pandas as pd
    from pandas import Series, DataFrame
    
    import tushare as ts
    df = ts.get_tick_data('600543',date='2017-12-29')
    


    当前都在命令行窗口测试。为了使数据与数据库中的一直(当前几个字段没有),进行以下处理。

    #查看类型
    print(type(df))
    
    #【更新列】,替换掉无效字符
    df['change'] = df['change'].replace('--', '')  
    
    #【添加列】,所有值一样 (两种方法)
    df['code'] = '600543'
    df['date'] = '2017-12-29'  
    
    df = df.assign(code= '600543', date='2017-12-29')
    
    #【删除列】
    df.pop('pchange')
    del df['change']
    
    #查看列名
    list(df.columns.values)
    
    #调整列的位置,即重新赋值(三种方法)
    df = df[['code', 'date', 'time', 'price', 'change', 'volume', 'amount', 'type']]
    df = df.reindex_axis([ 'code', 'date', 'time', 'price', 'change', 'volume', 'amount', 'type'], axis=1)
    df = df.reindex(columns=[ 'code', 'date', 'time', 'price', 'change', 'volume', 'amount', 'type'])


    基本的查询对照语句:

    T-SQL

    Pnadas 脚本

    select *from [Fenbi600543]

    df

    select code from [Fenbi600543]

    df.code

    select code,datefrom [Fenbi600543]

    df[['code', 'date']]

    select top(10)*from [Fenbi600543]

    df.head(10)

    select *from [Fenbi600543]

    where type='买盘'

    df[(df['type'] == '买盘')]

    select *from [Fenbi600543]

    where volume=0

    df[(df['volume']==0)]

    select *from [Fenbi600543]

    where volume>=100

    df[(df['volume']>=100)]

    select *from [Fenbi600543]

    where volume<10

    df[(df['volume']<10)]

    select *from [Fenbi600543]

    where volume >=100 and volume<=200

    df[(df['volume']>=100)&(df['volume']<=200)]

    select *from [Fenbi600543]

    where volume =0 or volume>=200

    df[(df['volume']==0)|(df['volume']>=200)]

    select *from [Fenbi600543]

    where volume in(15,25)

    df[df.volume.isin([15,25])]

    select *from [Fenbi600543]

    where volume not in(15,25)

    df[~df.volume.isin([15,25])]

    select *from [Fenbi600543]

     where typelike'%中性%'

    df[df['type'].str.contains("中性")]

    select *from [Fenbi600543]

    order by volumedesc

    df.sort_values('volume', ascending=False)

    select *from [Fenbi600543]

    order by volumeasc,pricedesc

    df.sort_values(['volume', 'price'], ascending=[True, False])

    select code as mycode,volume as myvolume

    from [Fenbi600543]

    df[['code', 'volume']].rename(columns={'code':'mycode', 'volume':'myvolume'})

    select distinct code,typefrom [Fenbi600543]

    df[['code', 'type']].drop_duplicates()





































    统计函数:

    #每列都统计总数
    df.count()
    
    #每列平均值(只统计数值型)
    df.mean()
    
    #每列都统计汇总数(数值型则汇总,字符型则连接成一行)
    df.sum()
    
    #每列的最大值或最小值
    df.max()
    df.min()
    
    #只显示一列(如 volume)的数值统计【还有 各种方差、标准差、等计算】
    #更多参考 http://pandas.pydata.org/pandas-docs/stable/api.html#api-dataframe-stats
    df["volume"].count()
    df["volume"].mean()
    df["volume"].sum()
    df["volume"].max()
    df["volume"].min()
    
    
    #只显示一列(如 volume)的数值统计及类型
    df[['volume']].apply(sum)
    df[['volume']].apply(max)
    df[['volume']].apply(min)
    
    
    #按 type 分组,显示所有列的数值统计
    df.groupby('type').count()
    df.groupby('type').mean()
    df.groupby('type').sum()
    df.groupby('type').max()
    df.groupby('type').min()
    
    df.groupby('type')['volume','amount'].sum() #取指定列,如 'volume','amount'
    
    
    #按 volume 分组,每个分组取第一行数据
    df.groupby('volume').first()
    
    #按 volume 分组,每个分组取最后一行数据
    df.groupby('volume').last()
    
    #按 type 分组,每个分组取前5行数据
    df.groupby('type').head()
    

    分组统计对比:

    T-SQL

    Pnadas 脚本

    select count(volume),sum(volume),avg(volume)

    ,max(volume),min(volume)

    from [Fenbi600543]

    df.agg({'volume': ['count', 'sum', 'mean', 'max', 'min']})

     

    select sum(volume),sum(amount)from [Fenbi600543]

    df.agg({'volume': ['sum'],'amount': ['sum']})

    select [type],sum(volume)from [Fenbi600543]groupby [type]

    df[[ 'type','volume']].groupby('type').sum()

    select [type],count(volume),sum(volume),max(volume)

    from [Fenbi600543] group by [type]

    df.groupby(['type']).agg({'volume':['count', 'sum', 'max']})

    select code,[type],count(volume),sum(volume),max(volume)

    from [Fenbi600543]

    group by code,[type]

    df.groupby(['code','type']).agg({'volume':['count', 'sum', 'max']})

     


    索引相关:

    #查看索引(默认为递增整数序列)
    df.index
    
    #设置索引,将列转为索引(df.index 此时为时间顺序的一维数组)
    df.set_index('time', inplace=True)
    
    #此时再查询时间“time”列则报错,“time”变为索引,不存在列“time”了
    df.time
    df[['time', 'date']]
    
    #恢复,将索引转为列(此时默认序列将成为索引)
    df = df.reset_index() 
    
    
    #或者重新添加列,使其和索引值一样。
    df['time'] = df.index
    
    #如果列已经存在,重置索引时,不需要将其转为列,而是直接删除
    df = df.reset_index(drop=True)

    行定位查询(如获取分页数据等)

    默认的,DataFrame 的索引为自增序列。
    
    #取某一行记录(如第100行 index=99)
    df.loc[99]
    df.iloc[99]
    
    #选择 0~2行记录,如 [0,3)
    df[0:3]
    
    #查询前10行记录
    df.loc[:10]
    df.iloc[:10]
    df.head(10)
    
    #查询 3 列数据
    df.loc[:,['type','volume','amount']]
    df[['type','volume','amount']]
    
    #查询前 50~60 行记录,取其中3列
    df.loc[50:60,['type','volume','amount']]
    df.loc[50:60][['type','volume','amount']]
    
    df.ix[50:60,[1,2]]
    df.ix[50:60,['age','MonthlyIncome']]
    
    df.ix[50:60,]
    df.ix[:,['age','MonthlyIncome']]
    
    
    #取第一列或第二列数据
    df.iloc[:,[0]]  
    df.iloc[:,[0,1]]  
    


    更多参考:  http://pandas.pydata.org/pandas-docs/stable/api.html#api-dataframe-stats

    展开全文
  • Python语言学习之pandas:DataFrame二维表的简介、常用函数、常用案例之详细攻略 目录 DataFrame的简介 DataFrame的常用案例 1、写入和读取excel表格文件 1.1、读取数据并保存csv文件 2、查看数据基础信息...
  • 史上最简单的 MySQL 教程()「关系型数据库」

    万次阅读 多人点赞 2017-04-26 21:28:27
    数据结构:数据存储的形式,二维表(行和); 操作指令集合:所有的 SQL 语句; 完整性约束:表内数据约束(字段与字段)和表与表之间的约束(外键)。 2 设计 数据库:从需要存储的数据需求分析,如果是一类...
  • 二维数据,是一维数据的组合形式,由多个一维数据组合形成 多维数据,由一维数据或者二维数据在新维度上形成的 高维数据,仅利用最基本的二元关系展示数据间的复杂结构 数据的操作周期 存储,在文件的表现形式...
  • pythonnumpy与matlab的对应关系

    千次阅读 2017-09-30 14:00:18
    在本文,将常用的MATLAB函数及运算与numpy中对应的函数及运算汇总在表中,大部分的运算都经过验证,如有问题请留言: 通用函数等价: matlab numpy 说明 help func info(func) or help(func)orfunc...
  • 二维数组、指针详解

    千次阅读 多人点赞 2018-11-02 15:46:09
    2.现在研究关于二维数组和指针的关系 1.研究二维数组的表示。 首先,用代码运行进行测试,验证的相关结果, // C.cpp : 定义控制台应用程序的入口点。 // #include "stdafx.h" #include &lt;...
  • 变换矩阵在二维图形的应用

    万次阅读 2014-06-20 20:24:43
    二维空间,线性变换可以用 2×2 的变换矩阵表示。 旋转[编辑] 绕原点逆时针旋转 θ 度角的变换公式是 与 ,用矩阵表示为: 缩放[编辑] 缩放公式为 与 ,用矩阵表示为: 切变...
  • /* ============================================================================ Name : TeatArr.c Author : lf Version : Copyright : Your copyright notice Description : 二维数组的认识以及
  • 在用户看来,关系模型数据的逻辑结构是一张扁平的二维表。 1.1域 域是一组具有相同数据类型值的集合。 1.2笛卡儿积 笛卡儿积是域上的一种集合运算。 定义:给定一组域D1,D2,...,Dn,允许其中某些域是...
  • 关系型数据库与NoSQL数据库简述

    千次阅读 2017-09-21 16:10:44
    关系:可以理解为一张二维表,每个关系都具有一个关系名,就是通常说的表名元组:可以理解为二维表中的一行,在数据库经常被称为记录属性:可以理解为二维表中的一,在数据库经常被称为字段域:属性的取值范围...
  • 一.多维Eliipse方程 二.... 对于坐标的椭球而言,中心,截距以及坐标的方向唯一决定了一个椭球 2.1 特殊情况 ...当为对角矩阵时,方程变为 ...比对平面椭圆方程,可知上述方程对应的椭球是以为中心,...参考二维坐标下...
  •  第阶段——分类器训练阶段,这个阶段的任务就是生成分类器,主要工作是计算每个类别在训练样本的出现频率及每个特征属性划分对每个类别的条件概率估计,并将结果记录。其输入是特征属性和训练样本,输出是分类...
  • 当前数据库分为关系型数据库和非关系型数据库 关系型数据库 关系型数据库:指采用了关系模型来组织数据的数据库。 关系模型指的就是二维表格模型...属性:二维表中的一,在数据库被称为字段 域:属性的取值范...
  • 2013级C++第15周项目——二维数组

    千次阅读 2013-12-02 08:48:53
    课程主页在:【项目1-折腾二维数组】创建一个长度为5行4二维整型数组,通过初始化,为数组的前两列的10个元素赋初值,然后通过键盘输入,使后两列的10个元素获得值,将所有元素值乘以3后保存在数组。...
  • 关系也是一个二维表,表的每行对应一个元组,表的每列对应一个域,每一列称为一个属性,不同的属性要给予不同的属性名 关系分三类:基本表(基本关系)、查询表、视图表 其中基本表有如下性质: ① 列是同质的 ②...
  • 将一维时间序列转化成二维图片

    万次阅读 多人点赞 2019-01-13 13:40:51
    时间序列的内积 在二维空间,接下来的问题是我们如何使用内积运算来处理稀疏性。 4.1. 为什么不是极坐标编码值的内积呢? 二维极坐标空间的内积有几个限制,因为每个向量的范数都根据时间依赖性进行了调整。更...
  • 矩阵与二维数组

    千次阅读 2018-11-03 22:24:13
    矩阵在MATLAB是按的顺序存储的,即先存储第一,然后是第二列,依次类推。 &amp;amp;amp;amp;amp;amp;amp;amp;amp;amp;amp;amp;gt;&amp;amp;amp;amp;amp;amp;amp;amp;amp;amp;amp;amp;gt; A A = 1 ...
  • 关系型数据库之间的关系

    千次阅读 2017-12-25 15:29:59
    定义:有两个,在第一个表中的某一行只与第表中的一行相关,同时第表中的某一行,也只与第一个表中的一行相关,我们称这两个为一对一关系。 例如: 第一张表: ID 姓名 国籍 ...
  • *p[3]这个是一个指针数组,它所代表的意思是数组的每一个元素都是一个指针变量,而(*p)[3],p是一个指针变量,表示指向一个含有3个整型元素的一数组。 复制代码代码如下: int i,j;  int a[2][3]={3,4,5,6,7...
  • 二维离散付立叶变换及其性质

    千次阅读 2007-04-22 11:13:00
    一、概述 离散付立叶变换(Discrete Fourier Transform── 简称DFT)在数字信号处理和数字图像处理应用十分广泛。它建立了离散时域和离散之间的联系。如果直接应用卷积和相关运算在时域处理,计算量将随着取样...
  • 知识点:数据库的相关概念、创建数据库的方法、设计数据库、向数据库表中插入数据、建立不同数据库之间的关系、删除数据库。 1、数据相关的一些概念 1.1 数据库里的数据是如何保存的? 数据库...
  • 人脸识别研究

    千次阅读 2019-11-05 09:42:19
    虽然基于二维图像的人脸识别算法在半个多世纪的研究过程,取得了丰硕的成果,但是研究表明,基于二维图像分析的人脸识别方法受到诸如光照、姿态、表情等成像条件的影响较大。与二维数据相比,三维数据包含了人脸的...
  • 文章目录一、 一维数据1. 一维数据的表示2. 一维数据的存储2.1 空格分隔2.2 逗号分隔2.3 其他方式3. 一维数据的处理3.1 一维数据的读入处理.... 二维数据的处理3.1 二维数据的读入处理3.2 二维数据的写入处理3.3...
  • (b) x为矩阵,y为矢量时绘图规则与(a)的类似,只是将x的每一行或列对应于y进行绘图。。 例 2: x(1,: )=0:pi/50:2*pi; x(2,: )=pi/4:pi/50:2*pi+pi/4; x(3,: )=pi/2:pi/50:2*pi+pi/2; y=sin(x(1,: )); ...
  • 七种角度分析对应分析方法

    千次阅读 2014-05-04 21:34:48
    对应分析方法与对应图解读方法——七种分析... 这里主要介绍大家了解对应分析的基本方法,如何帮助探索数据,分析和卡方的独立性检验,如何解释对应图,当然大家也可以看到如何用SPSS操作对应分析和对数据格式的
  • 清华山EPS次开发基础篇

    万次阅读 2017-06-22 21:22:43
     ...对于编码列表已经存在的地物,使用编码直接创建,则图层颜色等属性自动关联   CreateNewObjByCode( code) 参数 code 创建地物的编码 注1:对于含有破折号的地物编码,

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 57,484
精华内容 22,993
关键字:

二维表中的列对应关系的