标签: normalization

天真的方法是将整个路径作为字符串放入数据库中，这适用于玩具数据库。然而，这种方法有一些缺陷。例如，假设我在 /var/www/sites/ 下有 100K 个文件，那么在数据库中存储 /var/www/sites 100K 次是非常低效的。我确信有更好的方法来做到这一点。

我只想对 DVD 上的文件路径建立索引，然后搜索 mp3 文件或目录等。首选的 RDBMS 是 SQLite（也许是 FTS Tables？）。我的目标是学习，我知道有很多桌面搜索引擎可以实现这一点。

尽管我使用 Django 的 ORM 来实现这些表，但我有意将此作为一个一般性问题来构建。如果你想看一看，这是我的 Django 模型。

谜语

我有几个表具有以下关系：

Survey <--m2o-- Page <--m2o-- Category <--m2o-- Question <--m2o-- Choice <--?-- Response
|               |             |                 |                 |
|- name         |-number      |- name           |- sortid         |- sortid
                              |- sortid         |- text           |- text
                              |- text           |- short
                                                |- qtype

m2o多对一的简写在哪里，每个表都有一个隐式主键，我的问题是关于如何组织响应表。

响应表应该与用户表有某种关系（取决于表定义，这可能是一对一或多对一）。该表的目的是存储用户对特定问题的回答。我遇到的问题是，根据问题类型，我需要将响应存储在响应表中的不同列类型中。例如一个表可能类似于：

| user | (question) | (qtype)         | choice    | response                      |
|------+------------+-----------------+-----------+-------------------------------|
| 1    | Q1         | Select One      | A         | False                         |
| 1    | ''         | …

我正在为一个项目制作一个基本的电影在线商店，我希望用户能够按类型选择电影，例如：

\n
• 全部
\n
• 恐怖
\n
• 行动
\n
• 纪录片
\n
• 科幻
\n
• ...\xc2\xa0\xc2\xa0
\n

在数据库中存储电影以匹配此结构的最佳方式是什么？

第一种方式

按类型对电影进行排序并创建单独的表格，即一张用于动作类型的表格，一张用于纪录片，一张用于科幻片，等等。使用这种方法，将没有明确的方法来连接表以生成所有电影的列表

第二种方式

将所有电影放在一个表中，将类型放在另一个表中，并根据类型在两者之间建立外键关系

或者还有其他更好的方法来做到这一点？

提前致谢

我正在创建一个处理处方的药房数据库.在设计数据库时,我考虑到医生可以在许多办公室工作,办公室可以是许多医生的家,所以我创建了以下多对多的关系:

doctor:

| id | name | // more

office:

| id | name | address | // more

doctors_offices:

| doctor_id | office_id |

我遵循了我在数据库教科书中看到的设计以及许多在线资源,但我现在在尝试创建prescription表时遇到了一些困惑.在这张表中,我想知道不仅是哪位医生写了处方,而是在哪个位置.

我发现自己有几个选择:

• 向doctors_offices表中添加auto_increment键,以便为每个dr/office配对提供唯一标识符
• 将复合外键添加到引用的处方表中doctors_offices.(这可能吗？)
• 在处方表中添加两个外键.一个引用doctors,一个引用offices.

哪些选项最常规化？我知道第三个可能是最不规范化的,因为它开启了我选择医生不属于的办公室的可能性,但我觉得很重要,因为它可能是一些初学数据库设计者的共同本能.

我试图使用 numpy 在 python 中规范化一个向量。我做了以下事情：

matrix_norm = numpy.linalg.norm(matrix1[:,0], ord='fro')
print(matrix_norm)

矩阵 1 的大小为：1000 X 1400。我尝试找到矩阵第一列的归一化值。它给了我以下异常：

“向量的无效范数顺序”

请帮忙 ！提前致谢... ：）

根据规范化状态形状的文档，本质上的列表数据将通过 Id 作为对象存储在状态树中，这意味着从 API 调用返回的数组数据必须首先转换为动作创建者中的对象。然后必须将对象数据转换回 mapStateToProps() 中的数组，以便使用 render() 中数组的 .map() 函数渲染生成的道具。这种来回转换是否是标准化状态形状的合理成本？或者在使用 ReactJS 和 Redux 时是否有更好的设计模式来处理列表数据？

我的 api 的当前响应如下：

[
   {  
      "device_id": "1234",
      "network_status": "Offline",
      "status": "Yes",
      "frequency": 50,

   },
   {  
      "device_id": "12345",
      "network_status": "online",
      "status": "no",
      "frequency": 123,

   },
   {  
      "device_id": "12346",
      "network_status": "online",
      "status": "no",
      "frequency": 423,

   },
]

使用最新文档： https://github.com/paularmstrong/normalizr/blob/master/docs/api.md#arraydefinition-schemaattribute

我知道这些文档已经更新，因此查看堆栈上的其他问题我无法找到类似的示例。“responseData”包含来自 api 的响应，它是一个对象数组。[{},{},...]

我的代码是

import { schema } from 'normalizr';

const deviceid = new schema.Entity('device_id');
const arrayOfDevices = new schema.Array({
  device_id : deviceid,
})

normalize(responseData, arrayOfDevices)

我想得到以下输出。将 device_id 作为每个对象的键的实体对象。

  {
  entities: {
    device_id: { 
      '1234' : {
        .....
      },
      '12345' : {
        ..... …

我有一个像这样的数据框：

df <- data.frame(x1=c(1, 2, 3, 2, 1),
                 x2=c(1, 10, 5, 8, 3))

我正在尝试将两个变量标准化为 0 和 1 之间。因此 2 英寸x1将是 0.5，5 英寸x2也将是 0.5。

我尝试过使用以下标准化函数：

range01 <- function(x){(x-min(x, na.rm = T))/(max(x, na.rm = T)-min(x, na.rm = T))}
df <- range01(df)

相反，它通过整个数据帧的范围（1 到 10）对所有变量进行标准化，给出：

x1          x2
0.0000000   0.0000000           
0.1111111   1.0000000           
0.2222222   0.4444444           
0.1111111   0.7777778           
0.0000000   0.2222222

如何根据两列各自的范围对它们进行标准化？我需要一个系统函数来执行此操作，因为我在 for 循环中处理多个数据帧中的许多变量。

是否有更好的方法来构建 RealNVP 层以用作 tensorflow 2.0 中的标准可训练层？我最终将它包装在一个模型中。对于图层，变量没有出现在 trainable_variables 中。

像这样运行，但我怀疑有更好的方法：

from pylab import *
import numpy as np
import pandas as pd
import tensorflow as tf
import tensorflow_probability as tfp
tfb = tfp.bijectors
tfd = tfp.distributions

# class NVPLayer(tf.keras.layers.Layer):
class NVPLayer(tf.keras.models.Model):

    def __init__(self, *, output_dim, num_masked, **kwargs):
        super().__init__(**kwargs)
        self.output_dim = output_dim
        self.num_masked = num_masked
        self.shift_and_log_scale_fn = tfb.real_nvp_default_template(
            hidden_layers=[2],
            activation=None, # linear
            )
        self.loss = None

    def call(self, *inputs):
        nvp = tfd.TransformedDistribution(
            distribution=tfd.MultivariateNormalDiag(loc=[0., 0., 0.]),
            bijector=tfb.RealNVP(
                num_masked=self.num_masked,
                shift_and_log_scale_fn=self.shift_and_log_scale_fn)
            )
        self.loss = tf.reduce_mean(nvp.log_prob(*inputs)) …

我正在编写一个将关键字转换为符号的宏 此符号将用于 a(def ~symbol ...)有一种“默认”方法可以标准化:foo.bar/quoo为有效符号吗？(symbol (namespace kw) (name kw))?