注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. 详解BI项目中的ETL

  2. L是将业务系统的数据经过抽取、清洗转换之后加载到数据仓库的过程，目的是将企业中的分散、零乱、标准不统一的数据整合到一起，为企业的决策提供分析依据。ETL是BI 项目重要的一个环节。通常情况下，在BI项目中ETL会花掉整个项目的1/3的时间,ETL设计的好坏直接关接到BI项目的成败。

  3. 所属分类：专业指导

    • 发布日期：2010-01-08
    • 文件大小：30720
    • 提供者：veedoo

  1. 大数据号码清洗系统详解

  2. 对于大数据前端处理的号码采集与清洗做详细介绍

  3. 所属分类：电信

    • 发布日期：2016-06-07
    • 文件大小：311296
    • 提供者：ctd070809

  1. 大数据整理分析号码数据清洗测拨详解

  2. 主要对于大数据整理,大数据分析,以及号码数据清洗,号码拨测系统的搭建,以及组网等介绍.

  3. 所属分类：互联网

    • 发布日期：2016-07-14
    • 文件大小：190464
    • 提供者：ctd070809

  1. 数据仓库ETL算法详解

  2. 1. ETL的定义：是数据抽取(Extract)、转换(Transform)、清洗(Cleansing)、装载(Load)的过程。是构建数据仓库的重要一环，用户从数据源抽取出所需的数据，经过数据清洗，最终按照预先定义好的数据仓库模型，将数据加载到数据仓库中去； 2. 常用的ETL工具：主要有三大主流工具，分别是Ascential公司的Datastage、Informatica公司的Powercenter、NCR Teradata公司的ETL Automation.还有其他开源工具，如PDI(K

  3. 所属分类：算法与数据结构

    • 发布日期：2017-11-08
    • 文件大小：113664
    • 提供者：lt_csvn

  1. ETL详解.docx

  2. 1 ETL是什么 3 2 ETL和大数据有什么关联 3 3 ETL有哪些过程，要进行哪些操作 3 3.1 抽取作业 4 3.1.1 手工开发抽取作业时候的常用方法 4 3.1.2 更新数据的时间和数量的问题 5 3.2 转换作业 8 3.2.1 数据清洗 8 3.2.2 数据转换 9 3.3 加载作业 11 3.4 流程控制 11 3.4.1 流程步骤控制能力 12 3.4.2 系统的划分和前后流程的依赖 12 3.4.3 合理的调度算法 12 3.4.4 日志和警告系统 12 3.4.5 较高

  3. 所属分类：互联网

    • 发布日期：2020-04-30
    • 文件大小：66560
    • 提供者：liliu0401

  1. ETL设计详解（数据抽取、清洗与转换）.docx

  2. qqqadfgDADSD沙发asdvavadvasdvasdvasdvasdadvasdasdvasdvasdasdvasdvasdvasdvasdv

  3. 所属分类：其它

    • 发布日期：2020-02-29
    • 文件大小：20480
    • 提供者：qq_43725031

  1. 实例详解机器学习如何解决问题

  2. 随着大数据时代的到来，机器学习成为解决问题的一种重要且关键的工具。不管是工业界还 是学术界，机器学习都是一个炙手可热的方向，但是学术界和工业界对机器学习的研究各有 侧重，学术界侧重于对机器学习理论的研究，工业界侧重于如何用机器学习来解决实际问 题。我们结合美团在机器学习上的实践，进行一个实战（InAction）系列的介绍（带“机器 学习InAction系列”标签的文章），介绍机器学习在解决工业界问题的实战中所需的基本技 术、经验和技巧。本文主要结合实际问题，概要地介绍机器学习解决实际问题的整个流

  3. 所属分类：机器学习

    • 发布日期：2019-07-02
    • 文件大小：1048576
    • 提供者：abacaba

  1. python数据清洗系列之字符串处理详解

  2. 主要介绍了python数据清洗之字符串处理的相关资料,需要的朋友可以参考下

  3. 所属分类：其它

    • 发布日期：2020-09-21
    • 文件大小：242688
    • 提供者：weixin_38553791

  1. Pandas 数据处理,数据清洗详解

  2. 今天小编就为大家分享一篇Pandas 数据处理,数据清洗详解，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧

  3. 所属分类：其它

    • 发布日期：2020-09-20
    • 文件大小：57344
    • 提供者：weixin_38622827

  1. 对python数据清洗容易遇到的函数-re.sub bytes string详解

  2. 今天小编就为大家分享一篇对python数据清洗容易遇到的函数-re.sub bytes string详解，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧

  3. 所属分类：其它

    • 发布日期：2020-09-19
    • 文件大小：59392
    • 提供者：weixin_38576811

  1. django ORM之values和annotate使用详解

  2. 任务需求：项目中有个问题表，存储所有的问题，以_id为编号，由于_id未做唯一校验，所以早期数据有多个问题使用同一编号的情况。 需求就是找出编号有重复的数据，只保留第一个 开始之前 使用了values和annotate两个函数 简单的来说values可以理解成展示models指定列的值 annotate起到了group by的作用, 所以我做的事就是对指定字段按个数进行统计，然后留下重复编号的数据，进行清洗 看看数据库数据 查看每条数据的_id的值 对_id数据条数进行统计 转换数据格式为

  3. 所属分类：其它

    • 发布日期：2020-12-17
    • 文件大小：55296
    • 提供者：weixin_38737521

  1. 详解Pandas 处理缺失值指令大全

  2. 前言 运用pandas 库对所得到的数据进行数据清洗，复习一下相关的知识。 1 数据清洗 1.1 处理缺失数据 对于数值型数据，分为缺失值（NAN）和非缺失值，对于缺失值的检测，可以通过Python中pandas库的Series类对象的isnull方法进行检测。 import pandas as pd import numpy as np string_data = pd.Series(['Benzema', 'Messi', np.nan, 'Ronaldo']) string_dat

  3. 所属分类：其它

    • 发布日期：2020-12-17
    • 文件大小：56320
    • 提供者：weixin_38706045

  1. Pandas 数据处理,数据清洗详解

  2. 如下所示： # -*-coding:utf-8-*- from pandas import DataFrame import pandas as pd import numpy as np """ 获取行列数据 """ df = DataFrame(np.random.rand(4, 5), columns=['A', 'B', 'C', 'D', 'E']) print df print df['col_sum'] = df.apply(lambda x: x.sum(), axis=1)

  3. 所属分类：其它

    • 发布日期：2020-12-25
    • 文件大小：58368
    • 提供者：weixin_38590456

  1. python数据清洗系列之字符串处理详解

  2. 前言 数据清洗是一项复杂且繁琐(kubi)的工作，同时也是整个数据分析过程中最为重要的环节。有人说一个分析项目80%的时间都是在清洗数据，这听起来有些匪夷所思，但在实际的工作中确实如此。数据清洗的目的有两个，第一是通过清洗让数据可用。第二是让数据变的更适合进行后续的分析工作。换句话说就是有”脏”数据要洗，干净的数据也要洗。 在数据分析中，特别是文本分析中，字符处理需要耗费极大的精力，因而了解字符处理对于数据分析而言，也是一项很重要的能力。 字符串处理方法 首先我们先了解下都有哪些基础方法 首先

  3. 所属分类：其它

    • 发布日期：2020-12-24
    • 文件大小：244736
    • 提供者：weixin_38586279

  1. Python使用Pandas库常见操作详解

  2. 本文实例讲述了Python使用Pandas库常见操作。分享给大家供大家参考，具体如下： 1、概述 Pandas 是Python的核心数据分析支持库，提供了快速、灵活、明确的数据结构，旨在简单、直观地处理关系型、标记型数据。Pandas常用于处理带行列标签的矩阵数据、与 SQL 或 Excel 表类似的表格数据，应用于金融、统计、社会科学、工程等领域里的数据整理与清洗、数据分析与建模、数据可视化与制表等工作。 数据类型：Pandas 不改变原始的输入数据，而是复制数据生成新的对象，有普通对象构成的

  3. 所属分类：其它

    • 发布日期：2020-12-23
    • 文件大小：92160
    • 提供者：weixin_38698367

  1. 详解python深浅拷贝区别

  2. 在Python中对象的赋值其实就是对象的引用。当创建一个对象，把它赋值给另一个变量的时候，python并没有拷贝这个对象，只是拷贝了这个对象的引用而已。 浅拷贝：拷贝了最外围的对象本身，内部的元素都只是拷贝了一个引用而已。也就是，把对象复制一遍，但是该对象中引用的其他对象我不复制 深拷贝：外围和内部元素都进行了拷贝对象本身，而不是引用。也就是，把对象复制一遍，并且该对象中引用的其他对象我也复制。 深浅拷贝的作用 1，减少内存的使用 2，以后在做数据的清洗、修改或者入库的时候，对原数据进行复制一份

  3. 所属分类：其它

    • 发布日期：2021-01-01
    • 文件大小：112640
    • 提供者：weixin_38743084

  1. 干货分享|详解特征工程与推荐系统及其实践

  2. 本文来自于网络，本文主要介绍了特征工程，以及一些常见的特征工程的方法，以及自然语言处理的特征工程，希望对您的学习有所帮助。协同过滤CollaborativeFiltering特征工程FeatureEngineering推荐系统实战注意点首先我们看一下机器学习的五大环节。一是特征工程。第二是算法定义和调参，就是你该选择什么样的算法，用什么样的参数进行调节。第三是数据采集和清洗，接下来是实现这个算法并进行优化。‘I’代表和业务生产系统集成，所以我们就会简称为FaDAI这五大步骤。特征工程是这五大环节

  3. 所属分类：其它

    • 发布日期：2021-02-24
    • 文件大小：575488
    • 提供者：weixin_38677244

  1. 干货分享|详解特征工程与推荐系统及其实践

  2. 本文来自于网络，本文主要介绍了特征工程，以及一些常见的特征工程的方法，以及自然语言处理的特征工程，希望对您的学习有所帮助。协同过滤CollaborativeFiltering特征工程FeatureEngineering推荐系统实战注意点 首先我们看一下机器学习的五大环节。一是特征工程。第二是算法定义和调参，就是你该选择什么样的算法，用什么样的参数进行调节。第三是数据采集和清洗，接下来是实现这个算法并进行优化。‘I’代表和业务生产系统集成，所以我们就会简称为FaDAI这五大步骤。特征工程是这五大环

  3. 所属分类：其它

    • 发布日期：2021-01-27
    • 文件大小：575488
    • 提供者：weixin_38555350

  1. Yii2中的场景(scenario)和验证规则(rule)详解

  2. 前言 场景，顾名思义，就是一个情景，一种场面。在yii2中也有场景，这个场景跟你所理解的场景含义差不多。 和用户有交互的系统必不可少的功能包括收集用户数据、校验和处理。实际业务中，往往还需要将数据进行持久化存储。出于安全考虑，开发人员应当牢牢把握“客户端的输入都是不可信”的准则，客户端传过来的数据先进行过滤和清洗后再存储或传递到内部系统。 Yii2推荐使用Model类来收集和校验用户数据，持久化的ActiveRecord类是其子类。Model类的load和validate两个方法，分别用来收集

  3. 所属分类：其它

    • 发布日期：2021-01-21
    • 文件大小：105472
    • 提供者：weixin_38704284

  1. 详解用Python处理HTML转义字符的5种方式

  2. 写爬虫是一个发送请求，提取数据，清洗数据，存储数据的过程。在这个过程中，不同的数据源返回的数据格式各不相同，有 JSON 格式，有 XML 文档，不过大部分还是 HTML 文档，HTML 经常会混杂有转移字符，这些字符我们需要把它转义成真正的字符。 什么是转义字符 在 HTML 中 、& 等字符有特殊含义（ 用于标签中，& 用于转义），他们不能在 HTML 代码中直接使用，如果要在网页中显示这些符号，就需要使用 HTML 的转义字符串（Escape Sequence），例如 < 的转义字符

  3. 所属分类：其它

    • 发布日期：2021-01-20
    • 文件大小：50176
    • 提供者：weixin_38679178
« 12 »