标签: aggregate

请帮助我进行健全检查.假设有多对多的关系:

Post,PostTagAssoc,标签http://www.codingthewheel.com/pics/many_to_many.gif

什么是最简洁的方法(使用LINQ to SQL)来获得结果集,为每个标签(或帖子)显示分配给它的帖子(或标签)的总数？

谢谢!

在Postgresql中,您可以使用创建其他聚合函数

CREATE AGGREGATE name(...);

但是如果聚合已经存在于数据库中,则会出现错误,因此如何检查Postgres数据库中是否已存在聚合？

我正在努力设计这个系统,其中地址是最重要的信息.现在在这种情况下,地址不仅仅是几行字符串.我们将市政当局(代码,姓名),地区(邮政编码,姓名),街道(代码,姓名),门牌号码存放在属于市政的特定区域的街道上.这是一个非常规范化的计划.

因此,我们将实体Municipal,District,Street和HouseNumber各自相互关联,为一个人(或其他人)定义一个完整的地址.

现在我一直在试图找出一个名为Address的聚合根是否有意义？然后,地址实体(聚合根)将引用HouseNumber,Street,District和Municipal.然后一个人将与一个地址相关联.

严格来说,这个聚合根不是必需的,但是如果我没有它,我将不得不遍历许多对象以获得完整的地址.根据该参数创建聚合根是否有意义？

在这种情况下,一个人永远不会引用除聚合根之外的任何东西,但UI可能只显示市政当局(浏览地址时等).这是违反总体根本想法的吗？

我真的很喜欢你的建议并接受这个问题.任何帮助都感激不尽!

关于我的问题的另一个讨论的一点点更新:

需要在聚合中管理一些不变量.例如; 我不能在一个区/市的街道上有一个门牌号,邮政箱位于另一个不同的区/市.因此,在为地址/人员分配邮箱时,我需要确保他们在同一地区.

还有一些一致性边界(如果我理解这个概念的正确方法).如果我有地址,则必须在街道上的一个区(在该区)中有一个门牌号码.街道可以跨越多个区域,因此确保该街道上的门牌号位于正确的区域非常重要.

有关设计聚合的更新:

门牌号实际上是地址的入口点.门牌号码与街道和地区相关联.所以一个人与门牌号码相关联.我还想要定义的是,如果一个人对该门牌号码有"邮政责任".引入聚合根地址,使该人与该关联而不是门牌号.在数据库中,聚合地址将包含与门牌号的1-1关联,并且地址对人员具有1-*.我应该在哪里存储表明该人有邮政责任的价值？我应该在地址汇总中这样做吗？或者你会把它放在哪里？我的实体也是如此 - 我应该在哪里指出该人是否有邮政责任？

我尝试在PostgreSQL中为product(*)创建聚合.我的行的字段类型是"双精度"

所以,我尝试过:

CREATE AGGREGATE nmul(numeric)
(
   sfunc = numeric_mul,
   stype = numeric
);

当我启动查询时,结果如下:

ERROR:  function nmul(double precision) does not exist
LINE 4: CAST(nmul("cote") AS INT),

谢谢

如何使用R来查找物种的值总和？我有62种名称,并希望在栖息地中添加每个物种的基础面积.我试过了

aggregate(file name, species, FUN=sum, simplify=TRUE)

以及它的许多变化,但它总是说它找不到species(我的数据集中的列标题).列表太长,无法添加为输入; 我希望程序使用我的列信息.我的数据集看起来像这样:

Species      BA
sp1          0.5
sp1          0.2
sp2          0.1

我有一个2.5M x 13矩阵,我试图通过ID变量聚合.起初我尝试使用ddply,但我的记忆爆炸了.之后我尝试使用data.table,它运行得更快:

data <- as.data.table(data)
key(data) <- "ID"

agg<-mydata[,mutate(.SD,
           start = min(Date))
           , by = ID]

现在没有内存问题,到目前为止,在具有4.0GB内存的英特尔i5 2.50GHz上运行它需要超过4个小时.操作系统是windows 7,所以没有并行计算.

我究竟做错了什么？

我看了下面的问题:

将多个函数应用于多个groupby列

我有数据

                    p.date p.instrument                p.sector  \
11372  2013-02-15 00:00:00            A             Health Care   
11373  2013-02-15 00:00:00           AA               Materials   
11374  2013-02-15 00:00:00         AAPL  Information Technology   
11375  2013-02-15 00:00:00         ABBV             Health Care   
11376  2013-02-15 00:00:00          ABC             Health Care   

                                p.industry    p.retn  p.pfwt     b.bwt  
11372     Health Care Equipment & Services -5.232929     NaN  0.000832  
11373                             Aluminum  0.328947     NaN  0.000907  
11374                    Computer Hardware -1.373927     NaN  0.031137  
11375                      Pharmaceuticals  2.756020     NaN  0.004738  
11376  Health Care Distribution & Services -0.371179     NaN  0.000859 

但是当我尝试:

test1.groupby("p.sector").agg({'r1': lambda x: x['p.pfwt'].sum()})

我收到了错误 …

我试图总结两个具有一些匹配索引的系列,但有些是独特的.例如:

a = pd.Series([0.2, 0.1, 0.3], index=['A', 'B', 'C'])
b = pd.Series([0.2, 0.2], index=['A', 'D'])

请注意,索引A同时位于a和b中.我想最终得到一个新系列,其中包含所有索引的总和:

A    0.4
B    0.1
C    0.3
D    0.2
dtype: float64

通知指数A是a和b的总和(0.2 + 0.2),而B,C和D是原始值.如果我尝试做:

c = a + b

我得到索引A的正确值,但是NaN表示所有其他值.有关最佳方法的任何想法吗？

我想知道是否有办法根据向量中的位置提取一个值,所以例如我有一个带有两个向量的数据框,我将它们从原始的V1和V2分组,就像一个ORDER在SQL中的BY.当我尝试按V1组类型获得第3分钟时出现问题.

有序数据框......

V1  V2
Ford    18
Ford    16
Ford    15
Ford    14
Ford    12
**Ford  5**
Ford    2
Ford    1
Nisan   10
Nisan   9
Nisan   8
Nisan   7
Nisan   6
**Nisan     5**
Nisan   4
Nisan   3
Toyota  20
Toyota  19
Toyota  15
Toyota  12
Toyota  11
**Toyota    10**
Toyota  6
Toyota  2

结果我想在新数据框中,每个变量的第3分钟值...

V1 V2
Ford 5
Nisan 5
Toyota 10

提前致谢.

我的数据结构如下（这些只是示例数据，因为原始数据是秘密的）

id | crime   | location | crimedate
------------------------------
1  | Theft   | public   | 2019-01-04
1  | Theft   | public   | 2019-02-06
1  | Theft   | public   | 2019-02-20
1  | Theft   | private  | 2019-03-10
1  | Theft   | private  | 2019-03-21
1  | Theft   | public   | 2019-03-01
1  | Theft   | private  | 2019-03-14
1  | Theft   | public   | 2019-06-15
1  | Murder  | private  | 2019-01-04
1  | Murder  | private  | 2019-10-20
1 …