我希望修改数据集中的一列，其中包含一组人的性别的逗号分隔列表。因此，条目可以是“男性，男性”或“女性，男性”，或者仅仅是“女性”。我想对数据进行处理，以便分类为“全部男性”、“全部女性”、“多数男性”、“多数女性”，以便稍后与sci-kit-learn一起使用。然而，我是数据科学的新手，除了将每个字符串拆分为“男性”和“女性”的子字符串，计算出现次数，然后
浏览 20提问于2019-05-18得票数 3
为此，我将使用.dumps()对矩阵进行序列化，并将我的字典放到np.arrays中并进行序列化。这就是我想要的：sinais_entry = np.array([serie.sinais]).dumps()(time.time(), sinais_entry, matriz_entry))
返回此错误：`pymysql.err.InternalError：(1366，“第1行'sinais‘的字符串值不正确(序列化的
浏览 1提问于2019-07-20得票数 0
回答已采纳
天真的解决方案是生成一组子数组/子字符串，并检查每个子数组/子字符串的属性，但这是非常低效率的。是否有一种通用算法可以提供更好的性能，而不需要更多地了解数据或标准本身？
子字符串将被定义为连续子集。属性可以是有关子集值的任何内容，例如，值的乘积(当转换为ints时)等于某个值。
浏览 0提问于2016-09-07得票数 1
回答已采纳
数据集的sortPartition方法根据某些指定字段对数据集进行本地排序。如何在Flink中以有效的方式对我的大型数据集进行全局排序？
浏览 1提问于2015-12-03得票数 9
回答已采纳
1回答
使用R，我将在数据框中导入大型.csv数据集。我的问题是，我的一些数字数据列包含偶尔出现的字符串。这也不是：我只想将数字数据列中的任何字符串设置为NA。有什么简
浏览 1提问于2015-10-19得票数 0
什么时候需要使用blob，什么时候需要text作为数据类型？看看这个MEDIUMBLOB，MEDIUMTEXT L +3个字节，其中L < 224。
什么是L
浏览 1提问于2012-07-24得票数 129
回答已采纳
我正在尝试按包含DBNull值的列对DataGridView控件进行排序。此DataGridView控件已绑定到SQL Server 2012数据库。当我单击DBNull单元格(以升序排序)时，Header值将排在其余整数值之前，因此列中顶部的行将全部为空，然后是整数值1、2、3等的升序。
我该如何解决这个问题呢？我尝试在空单元格中插入一个更高的值，然后对它们进行正确的排序，但是当我将这些值返回给System.DBNull.value时，排序顺序又回到了上面的方式。我<
浏览 0提问于2013-01-08得票数 0
回答已采纳
1回答
我正在读一份谷歌发布的关于MapReduce的白皮书。我想知道如何有效地将GB级的数据传递给MapReduce算法。本文展示了在几秒钟内处理TB级数据的统计数据。这篇论文说，为了让它有效地工作，他们减少了网络调用，并尝试在本地磁盘上进行本地写入。只有reducer函数执行远程调用并写入本地输出文件。现在，当我们在内存中加载GB级的数据以将其传递给Map函数时，数据加载器应用程序肯定
浏览 0提问于2013-09-09得票数 0
1回答
我正致力于在大约500万个地址的列表中检测重复的内容，并想知道是否有一致意见，是否有一个有效的算法来达到这个目的。我看过Gitbub上的Dedupe库()，但根据文档，我不清楚这是否能很好地扩展到大型应用程序。
顺便说一句，我只是想根据文本的相似性来定义副本--已经对地址做了大量的清理。我一直在使用一种使用Levenshtein距离的粗糙方法，但我想知道是否有更<
浏览 3提问于2016-07-04得票数 1
回答已采纳
该程序运行良好，但对于大型数据集来说非常慢。我想，这是因为循环运行了4**k次，其中k是传递给函数的子字符串的长度。输入:字符串、文本和模式以及整数d。输出:模式作为文本的子字符串出现的所有起始位置，最多不匹配d。这是我的密码：
浏览 1提问于2015-06-27得票数 8
回答已采纳
2回答
数据流中的近似重复检测
、、、
我目前正在开发一个能生成大量文本内容的流式API。不出所料，API提供了大量重复数据，我们也有过滤接近重复数据的业务需求。但是，我想要识别近似重复项，我还查看了散列算法，如LSH和MinHash，它们用于最近邻问题和
浏览 1提问于2012-04-27得票数 6
回答已采纳
我正在匹配两个大型数据集，并试图通过将原始数据集与其他数据集进行比较来对原始数据集执行更新、删除和创建操作。如何更新原始数据集中的10列中的2或3列，并保持其他列的值与以前相同？我试过合并，但没有效果。原始数据：1 |
浏览 0提问于2019-09-14得票数 0
1回答
我有一个包含1000多个表的大型Oracle数据库。每个表都有1000+行和100+列。有人告诉我，存储过程是正确的方法。对吗？哪个存储过程对我有帮助？
谢谢
浏览 0提问于2020-10-02得票数 0
1回答
我有一个pandas数据帧(超过200K行)，每个数据帧包含一个带有字符串的列，我尝试根据它是否包含特定的单词组合来选择每一行。(例如，包含"cat“，但不包含"dog”，也不包含"green")，然后在dataframe中填充一列，根据搜索的组合说"category“。在这种情况下，“category”列应该= "Feline“。另一个例
浏览 15提问于2019-11-29得票数 1
1回答
我需要实现某种类型的字符串/文本匹配。在其他数据中，使用EntityFramework6从DB获取列表。一条记录包含两个unicode字符串、分隔的标题前缀和标题的其余部分。输入错误和不一致是为了显示数据的性质。
列表A可由用户编辑，包括手动键入的新记录，因此有可能出现打字错误、粘连单词等。作为开始，我现在一次检查列表B中<
浏览 0提问于2014-09-16得票数 0
4回答
在jquery中加载大型数据
、、、、
我有一个返回数据的web服务，这是一个相当大的集合，可能是600行乘20列。用Jquery代码将这些数据加载到html表中最快、最有效的方法是什么？我尝试通过循环遍历返回的数据并在字符串中创建一个表DOM来创建表html，但是循环部分非常慢。我听说过Jquery模板，但我不确定这种技术是否足够快来处理大型数据集……
谢谢
浏览 3提问于2011-01-04得票数 3
2回答
我需要一种相对有效的方法来在Matlab和之间共享数据。我已经检查了和，但是SaveR MATLAB的二进制数据首先作为文本字符串输出到ASCII文件中，这对于大型数据集并不有效，而MATLAB R-link只在Windows上工作(它使用基于COM的接口更新：
Dirk发布了一份清单，列出了比SaveR和Matlab链接更好的解决这个问题<e
浏览 2提问于2011-01-22得票数 15
回答已采纳
我最近在一次C#面试中被问到这个问题：我想知道用来存储书籍内容的最有效的数据结构是什么。我能想到的最糟糕的方法就是把它存储在StringBuilder中，然后找出子字符串的计数，但我相信肯定有更好的方法来做到这一
浏览 0提问于2011-02-09得票数 4
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
云直播
对象存储
腾讯会议活动推荐
腾讯云开发者
