data-cleansing

0熱

2答えて

与えられた単語と一致する順列を探し、列の位置に基づいてデータを整列したい。 IE - 私はそれがこのようなものになります、私はいくつかのwebsites.Sayから廃棄データをCSVを作成しました。その後、私は（1）Name2はで名1から各単語の順列を見つけたい Name1 OtherVars Name2 More Vars Stanford 23451 Mamford No MIT

-1熱

2答えて

パンダのデータフレームの列見出しの文字列の部分を切り取る

約18の列がある.csvファイルからインポートされたpandasデータフレームで作業しています。各列には、列ヘッダーとしてHTML形式の項目名とイメージの説明があります。これは次のようなものです。 A <img width="300" alt="A" height="300".jpg">` ` B <img width="400" alt="B" height="600".jpg"`......

0熱

3答えて

Pythonの：リストで\ nを\ rをする\ tを置き換えるものを開始\ N \ Nを除くと、\ nを\ rを\ n個の\ tので

マイリスト終了： ['\n\r\n\tThis article is about sweet bananas. For the genus to which banana plants belong, see Musa (genus).\n\r\n\tFor starchier bananas used in cooking, see Cooking banana. For other uses,

1熱

1答えて

Pysparkでdropnaでデータを消去

まだPysparkには比較的新しいです。私はバージョン2.1.0を使用します。はるかに大きなデータセットでいくつかのデータを消去しようとしています。私は、 "dropDuplicates"やサブセットやSQL関数（distinct、countなど）などのいくつかのテクニックをうまく使いました。私は事を単純化するかもしれないと思ったdropnaに来ました。しかし、なぜ私は行3と6がまだdrop

1熱

2答えて

複雑なパターンを削除するためにgsubを使用する方法

csv形式のテキストデータセットを消去するためにgsub（）を使用しようとしています。今、私のデータのサンプル行は次のようである： "5.0\t/gp/customer-reviews/R3M62HO4M6LXE6?ASIN=0439023521\tEngaging. Brutal but engaging!\t\"Wow. I was barely able to put this book d

0熱

1答えて

rddの代わりにpysparkのSQL関数

私は、特定の列のデータセットの文字列を置き換えようとしています。 1または0の場合は1、それ以外の場合は「Y」、それ以外の場合は0です。ラムダでデータフレームからrddへの変換を使用して、対象とする列を特定できましたが、処理に時間がかかります。各列ごとにrddへの切り替えが実行され、次にdistinctが実行されますが、これはしばらく時間がかかります！異なる結果セットに 'Y'が存在する場合

-1熱

1答えて

電話番号の書式設定：Excel to DB

私は電話番号を入力するためのすべてのバリエーションのデータベースを持っています。また、特殊文字やユーザーが入力したさまざまな形式も含まれます。データはExcelにあり、すべての電話番号を単一の形式（国番号 - 電話番号：+1 - 1234567899）にしようとしています。データの国によって電話番号が異なります。皆さん、Pythonでこれを行う方法をお勧めしますか？

0熱

1答えて

MS-Access：ユニークIDのないデータを消去するためのテキスト列変換

私は約10のデータソースを持っています。私はAccess DBで集計して、Tableauダッシュボードのセットを供給しようとしています。ファイルにはすべて従業員データが含まれていますが、問題はEmployee_Nameがファイル全体で一貫性がなく、一意のIDを持つファイルが1つしかないため、必要な結合を実行できません。すべてのファイルに共通のEmployee_IDでソースデータを取得するのが最善

0熱

1答えて

Pysparkでdf変換後に行にアクセス

私は以下のデータを持っています.1行のデータフレームをRDDに変換しました。私はPySpark 2.1.0を使用しています。 [Row((1 - (count(YEAR_MTH)/count(1)))=0.0, (1 - (count(REPORTED_BY)/count(1)))=0.0, (1 - (count(FALLS_WITHIN)/count(1)))=0.0, (1 - (c

0熱

1答えて

空のテストプランまたは空のテストスイートを特定するためのTFSクエリまたはSQLクエリ

私たちはTFSをかなり新しくしており、一部の領域をクリーンアップしようとしています。シンプルなTFSクエリで、 "New suite"という名前の180以上のテストスイートがあることがわかります...それぞれを開き、それに割り当てられているテストケースがあるかどうかを見たいと思っていません。 Empty Test Suitesのレポートを入手する方法はありますか？Empty Test Plans？