PIVOT语法将行数据转换为列数据,反之亦然,用于UNPIVOT语法。并非所有数据库都支持PIVOT语法,但通常可以使用决策逻辑(CASE语句等)和聚合函数来实现功能。
当前的示例数据只有2个app_ids,但是可能还有更多,因此app_id和标签会更改kepe,因此我需要编写一个动态查询。
这是我的示例表,我想旋转类别列,并将销售,库存和目标作为行 我希望以此形式输出样本,如下所示,其中类别在...
df = spark.createDataFrame( [ [1, 'AB', 12, '2022-01-01'] , [1, 'AA', 22, '2022-01-10'] , [1, 'AC', 11, '2022-01-11'] , [2, 'AB', 22, '2022-02-01'] , [2, 'AA', 28, '2022-02-10'] , [2, 'AC', 25, '2022-02-22'] ] , 'code: int, doc_type: string, amount: int, load_date: string' ) df = df.withColumn('load_date', F.to_date('load_date'))
集体by之后,将列转换为新行 我有熊猫数据框。我需要将一些列转换为行。每3行中,数据框在前两列中具有相同的数据。因此,我还需要6列,就像您在我的前任中看到的...
shopCode Product Code Score 111 Apple 123 0.70 111 Apple 456 0.75 111 Apple 789 0.80 222 Orange 142 0.66 222 Orange 136 0.83 222 Orange 623 0.76
可以在r中创建这样的多级枢轴表? DF<- data.frame( Cat1 = c("A", "A", "B", "B", "C", "C"), ...
input_ds_wt = structure(list(id = c(1, 2, 3, 4, 5, 6), wt.mean_v1 = c(1, 1, 1.3, 2.3, 1, 0), wt.mean_v2 = c(0.8, 0.2, 0.8, 0.2, 0.8, 0.2), wt.SE_v1 = c(0.1, 0.01, 0.2, 0.02, 0.3, 0.03), wt.SE_v2 = c(0.03, 0.3, 0.01, 0.1, 0.4, 0.04), RSE_v1 = c(0.1, 0.01, 0.153846153846154, 0.00869565217391304, 0.3, Inf), RSE_v2 = c(0.0375, 1.5, 0.0125, 0.5, 0.5, 0.2)), class = "data.frame", row.names = c(NA, -6L)) gives input_ds_wt id wt.mean_v1 wt.mean_v2 wt.SE_v1 wt.SE_v2 RSE_v1 RSE_v2 1 1 1.0 0.8 0.10 0.03 0.100000000 0.0375 2 2 1.0 0.2 0.01 0.30 0.010000000 1.5000 3 3 1.3 0.8 0.20 0.01 0.153846154 0.0125 4 4 2.3 0.2 0.02 0.10 0.008695652 0.5000 5 5 1.0 0.8 0.30 0.40 0.300000000 0.5000 6 6 0.0 0.2 0.03 0.04 Inf 0.2000
如何从se_var/mean_var row中计算RSE_VAR,用于许多变量,var,var,in r?
I有一个数据集,该数据集具有许多变量的加权平均值和加权标准误差。 input.ds.wt = tibble( id = c(1,2,3,4,5,6), wt.mean_vone = c(1,1,1,1.3,2.3,1,0), wt.mean_vtwo = re ...
SO 上已经有一些关于 LINQ 枢轴的问题,虽然其中几个问题概述了我的具体问题,但我无法成功地将它们转化为可行的解决方案。 我觉得这很...
在 Snowflake 中,如果您将行旋转到列,如下所示: 选择 * 来自季度销售 PIVOT(季度总和(金额)(任意)) 按 empid 排序; 您将得到以下结果: EMPID “2023_Q1” '2...