粉丝117.4万获赞445.2万

手把手教你用 reason have 第一集 reason have 是由 have 公司出的一款音乐,接下来的几集视频就会手把手教大家怎么从零开始玩这款音乐,想要下载的姐妹也可以看看主页简介加微, 这里就是你和你爱豆的起点,你们可以一起去连接世界。接下来就是选择你喜欢的团,其中有 newgens, 里面歌的排放顺序都是按最新的歌来排的,还有 the suffering, hyper 还经过了一次大整改, 有兴趣的可以去看看其他视频。当然 hype 怎么能少的了 b t s 呢?接着就是 tomorrow by together, 简称题差题,直到我剪视频才知道他的原名一直都是叫他题差题,所以他也被中国粉丝们称为荡。接着就是 嗨本看到这段视频是飞粉都会心疼的程度。最后就来讲讲三分天啦,并且以后的视频也都会以三分天为主。既然都看到这里啦,各位姐妹就在评论区里留下自己刻的是哪些 cp 吧,咱们下期再见!

本期开始聊一聊 groupby 函数。 groupby 函数是一个非常强大的数据汇总函数,可以根据指定的字段对数据进行分组、聚合、排序和筛选, 功能有点类似数据透视表,这个函数一共有八个参数,一看就让人头疼,所以我会分布讲解。比如要对所有产品的数量进行汇总,先看一下如何通过数据透视表实现。 依次点击插入和数据透视表区域,选择 a 至 d 列,然后点击添加。在透视表字段列表中勾选产品,将产品添加到行区域,再点击数量,将数量添加到直区域,就可以实现汇总。 咱们也可以使用 groupby 函数来实现汇总。输入 groupby 函数,参数一选择产品列参数二选择数量列,参数三选择 sum, 最后按回车键得到一组动态数据库, 获取到与数据透视表类似的汇总效果。参数一相当于数据透视表中的行区域中的字段。参数二相当于值区域中的字段。参 数三相当于值区域字段中的计算类型。我这里使用的是 sum 函数实现求和计算,咱们还可以根据实际情况进行修改,比如修改为 count 函数,得到的就是计数结果, 这三个参数都是必选参数。仔细观察发现数据透视表是有标题的, groupby 函数也可以通过参数四控制是否显示标题, 比如直接输入三就会显示标题。数据透视表中的标题不能和数据原中的标题重复,比如将这里修改为数量, excel 就 会提示已有相同数据透视表自断联存在,而 groupby 函数就不会存在这个问题。 参数四是可选参数,它有四个可选值,零表示数据源中没有标题一表示数据源中有标题,但是在结果中不显示。二表示数据源中没有标题,但是 excel 会自动生成标题三表示数据源中有标题,并且在结果中显示。

本期演示一下如何使用 groupby 函数按月汇总数量输入 groupby 函数参数一是分组依据,选择 a 列参数。二是聚合依据,选择异列参数。三是计算方式,选择 sum 参数四输入三表示显示标题,最后按回车键,发现所有的日期都变成了数字。这是 groupby 函数的一个特点, 它在返回分组字段时,会保留底层的数值格式,而非日期显示格式。咱们可以在 a 列的前面嵌套一个 text 函数,将 a 列作为 text 函数的第一个参数。 text 函数的参数二输入一对双引号,再输入四个 y、 一个 m 和一个 d, 并且中间使用斜线分割,最后补全右括号,数字就会变成日期。如果要按照月份汇总,可以将 text 函数的参数二修改为四个 y 和一个 m, 在 y 的 后面输入年,在 m 的 后面输入月,最后按回车键,得到的就是按照月份汇总的结果。但是我发现多了一行零,并且在计算时非常卡顿, 这是因为咱们在函数中选择了整列作为数据源,咱们可以在这些冒号的右边分别添加一个点表示,将下方的空白区域裁剪掉, 再次按回车键,零值就消失不见了。并且 group 函数的运算速度也提高了不少。如果在依照月份汇总的同时,也要把产品也带入到分组中,咱们可以再嵌套一个 hstack 函数, 然后把整个 text 函数作为 hstack 函数的第一个参数。参数二选择 b 列,注意也要在冒号的右边添加一个点,最后补全右括号,按回车键就可以了。

goodbye 跟 participal 这两者有什么区别?对于这个问题啊,估计很多小伙伴都会有类似的疑问。 当我们用 circle 对数据进行各种查询分析时,基于不同业务场景的分析需要,我们有时候会选择 group 版,有时候呢,也会选择用 partition 版的方式对数据进行分组查询。 那既然都是根据数据进行分组,这两者到底有什么相同点和不同点呢?为了比较直观的说明这两者的区别与联系啊,我们来看一个具体的例子。假如有这么一张三个阶段的表 字,段笔分别为名字所属团队以及年龄。现在呢,我要用 circle 查询出这个团队的平均年龄。如果用 packaging by 的方式,这个 circle 语句应该是这 来写,得到的结果呢,则是这样的。而如果用 goodbye 的话呢,那么舍客一句则是这么来写,得到的结果则是这样的。所以,从这个具体的例子可以看出来, goodbye 跟 party 型版都能够达到相同的业务查询目的。 但是呢,对于这个查询结果,两者的最大区别在于,通过 partition by 查询后的结果条数跟原始记录是保持一致的,也就是对记录条数只有距没有核的功能。而通过 goodbye 查询后的结果条数则明显要比原始数据的条数要少, 也就是具有先聚集后合并的作用。对于这两种不同的查询方式呢,都有其不同的特点。对于 particular 方式的查询结果来说,虽然从表面上看出现了很 很多的荣誉记录,但正是因为这个荣誉啊,可以允许你将原始数据的其他这段信息通过同一条收口 一并给显示在这个聚合结果里,可以让你对聚合结果的正确性更加清晰和直观。而 goodbye 方式的查询结果呢,虽然不能提供更加详细的原始数据信息,但是相比之下吧,因为对荣誉记录进行了驱虫, 会让你对最终呈现的结果更加直接明了。此外呢,跟 groupby 有些不同的是,它 t 型版在日常使用中更多的时候是跟开窗函数一起使用的。比较常见的开窗函数有 room number、 red lab lead、 max mini average、 记得等。并且对于像 max mini average 这样的窗口函数,还支持 roll between 这样的重句来限定,以当前行为基准行上阶和下阶的计算范围 来进一步细密度的满足你的业务计算需求。总结一下就是 goodbye 跟 party 型版的相同点在于,某些场合下可以达到相同的聚合目的, 但是前者的聚合结果会更加的简洁,而后者则会存在记录数的荣誉。至于不同点呢,对于一些特定的开窗函数来说,比如 row number、 rap、 lead lag 等等,则只能配合 particular 一起使用。