Table.ToList 列合并转换案例
itomcoil 2025-01-11 13:58 9 浏览
本期案例前后转换效果如下:
解题套路
(一)Table.ToList
1.使用压缩函数,获得数据与标题一一对应的关系,还要加一步筛选不为0 的步骤。这个操作类似先进行降标题,然后转换成内含列的列表,这个将在第二个套路中进行说明:
Table.ToList(源,each List.Select(List.Zip({Table.ColumnNames(源),_}),each _{1}<>0))
2.对筛选的结果进行遍历转换。针对首项包含下划线的列表直接替换成首项拆分后的结果,其余的保持不变,然后转换为表:
Table.ToList(源,each Table.FromColumns(List.Transform(List.Select(List.Zip({Table.ColumnNames(源),_}),each _{1}<>0),each if Text.Contains(_{0},"_") then List.ReplaceRange(_,0,2,Text.Split(_{0},"_")) else _)))
3.提升标题,合并列表:
Table.Combine(Table.ToList(源,each Table.PromoteHeaders(Table.FromColumns(List.Transform(List.Select(List.Zip({Table.ColumnNames(源),_}),each _{1}<>0),each if Text.Contains(_{0},"_") then List.ReplaceRange(_,0,2,Text.Split(_{0},"_")) else _)))))
(二)Table.ToColumns
1.对每一行进行遍历转换,筛选符合条件的数据,除了结合Table.Split函数操作外,还可以结合分组等函数进行操作:
List.Transform(Table.Split(源,1),each List.Select(Table.ToColumns(Table.DemoteHeaders(_)),each _{1}<>0))
2.还是一样的操作,对于首项包含下划线的列表,替换成首项的拆分结果,其余保持不变,并转换为表:
Table.Combine(List.Transform(Table.Split(源,1),each Table.PromoteHeaders(Table.FromColumns(List.Transform(List.Select(Table.ToColumns(Table.DemoteHeaders(_)),each _{1}<>0),each if Text.Contains(_{0},"_") then Text.Split(_{0},"_") else _)))))
(三)Table.Pivot
先依据产品和价格进行逆透视,删除不符合条件的行数据;接着直接对包含下划线的数据进行列拆分,直接获得新列;最后依据标题字段进行透视处理:
let tab=Table.SplitColumn(Table.RemoveColumns(Table.RemoveMatchingRows(Table.UnpivotOtherColumns(源,{"Product","Price"},"a","b"),{[b=0]},"b"),"b"),"a",each Text.Split(_,"_"),{"a","b"}) in Table.Pivot(tab,List.Distinct(tab[a]),"a","b")
(四)List.Accumulate
对于列合并,有列合并函数,本案例中是连续的多列合并,因此考虑到与ACC进行组合使用。
通过ACC对标题字段进行分组,分组结果刚好可以作为列合并函数的第二参数使用。这里针对数据1、0的选择,可以将获得的标题与其进行压缩操作,这样就获得了与上述降标题、转成列表的效果。
List.Accumulate(List.Skip(Table.ColumnNames(源),2)&{"A"},{源,{}},(x,y)=>if x{1}={} or Text.Contains(y,Text.BeforeDelimiter(List.Last(x{1}),"_")) then {x{0},x{1}&{y}} else {Table.CombineColumns(x{0},x{1},each Text.AfterDelimiter(List.Select(List.Zip({x{1},_}),each _{1}=1){0}{0},"_"),Text.BeforeDelimiter(x{1}{0},"_")),{y}}){0}
以上是本期内容。
相关推荐
- tesseract-ocr 实现图片识别功能
-
最近因为项目需要,接触了一下关于图像识别的相关内容,例如Tesseract。具体如何安装、设置在此不再赘述。根据项目要求,我们需要从省平台获取实时雨水情况数据,原以为获取这样的公开数据比较简单,上去一...
- 跨平台Windows和Linux(银河麒麟)操作系统OCR识别应用
-
1运行效果在银河麒麟桌面操作系统V10(SP1)上运行OCR识别效果如下图:2在Linux上安装TesseractOCR引擎2.1下载tesseract-ocr和leptonicahttps:...
- JAVA程序员自救之路——SpringAI文档解析tika
-
ApacheTika起源于2007年3月,最初是ApacheLucene项目的子项目,于2010年5月成为Apache组织的顶级项目。它利用现有的解析类库,能够侦测和提取多种不同格式文档中的元数据...
- Python印刷体文字识别教程
-
在Python中实现印刷体文字识别(OCR),通常使用TesseractOCR引擎结合Python库。以下是详细步骤和示例:1.安装依赖库bashpipinstallpytesseractp...
- 图片转文字--四种OCR工具的安装和使用
-
本文仅测试简单的安装和使用,下一步应该是测试不同数据集下的检测准确率和检测效率,敬请期待。作者的系统环境是:笔记本:ThindPadP520OS:win11显卡:QuadroP520一、EasyO...
- mac 安装tesseract、pytesseract以及简单使用
-
一.tesseract-OCR的介绍1.tesseract-OCR是一个开源的OCR引擎,能识别100多种语言,专门用于对图片文字进行识别,并获取文本。但是它的缺点是对手写的识别能力比较差。2.用te...
- 【Python深度学习系列】Win10下CUDA+cuDNN+Tensorflow安装与配置
-
这是我的第292篇原创文章。一、前置知识安装GPU版本的pytorch和tensorflow之前需要理清楚这几个关系:显卡(电脑进行数模信号转换的设备,有的电脑可能是双显卡,一个是inter的集成显卡...
- 手把手教你本地部署AI绘图Stable Diffusion!成功率100%!
-
导语:无需每月付费订阅,无需高性能服务器!只需一台普通电脑,即可免费部署爆火的AI绘图工具StableDiffusion。本文提供“极速安装包”和“手动配置”双方案,从环境搭建到模型调试,手把手教你...
- 本地AI Agent Hello World(Python版): Ollama + LangChain 快速上手指南
-
概要本文将用最简洁的Python示例(后续还会推出Java版本),带你逐步完成本地大模型Agent的“HelloWorld”:1、介绍核心工具组件:Ollama、LangChain和...
- python解释器管理工具pyenv使用说明
-
简介pyenv可以对python解释器进行管理,可以安装不同版本的python,管理,切换不同版本很方便,配置安装上比anaconda方便。pyenv主要用来对Python解释器进行管理,可以...
- Deepseek实战:企业别只会用Ollama,也可以用SGLang
-
SGLang:企业级的“性能之王”优点吞吐量碾压级优势通过零开销批处理调度器、缓存感知负载均衡器等核心技术,SGLang的吞吐量提升显著。例如,在处理共享前缀的批量请求时,其吞吐量可达158,59...
- 用LLaMA-Factory对Deepseek大模型进行微调-安装篇
-
前面的文章已经把知识库搭建好了,还通过代码的形式做完了RAG的实验。接下来呢,咱们要通过实际操作来完成Deepseek的另一种优化办法——微调。一、环境因为我这台电脑性能不太好,所以就在Au...
- 碎片时间学Python-03包管理器
-
一、pip(Python官方包管理器)1.基础命令操作命令安装包pipinstallpackage安装特定版本pipinstallnumpy==1.24.0升级包pipinstall-...
- ubuntu22/24中利用国内源部署大模型(如何快速安装必备软件)
-
本地AI部署的基础环境,一般会用到docker,dockercompose,python环境,如果直接从官网下载,速度比较慢。特意记录一下ubuntu使用国内源快速来搭建基础平台。一,docke...
- 还不会deepseek部署到本地?这篇教程手把手教会你
-
一、为什么要把DeepSeek部署到本地?新手必看的前置知识近期很多读者在后台询问AI工具本地部署的问题,今天以国产优质模型DeepSeek为例,手把手教你实现本地化部署。本地部署有三大优势:数据隐私...
- 一周热门
- 最近发表
-
- tesseract-ocr 实现图片识别功能
- 跨平台Windows和Linux(银河麒麟)操作系统OCR识别应用
- JAVA程序员自救之路——SpringAI文档解析tika
- Python印刷体文字识别教程
- 图片转文字--四种OCR工具的安装和使用
- mac 安装tesseract、pytesseract以及简单使用
- 【Python深度学习系列】Win10下CUDA+cuDNN+Tensorflow安装与配置
- 手把手教你本地部署AI绘图Stable Diffusion!成功率100%!
- 本地AI Agent Hello World(Python版): Ollama + LangChain 快速上手指南
- python解释器管理工具pyenv使用说明
- 标签列表
-
- ps像素和厘米换算 (32)
- ps图案在哪里 (33)
- super().__init__ (33)
- python 获取日期 (34)
- 0xa (36)
- super().__init__()详解 (33)
- python安装包在哪里找 (33)
- linux查看python版本信息 (35)
- python怎么改成中文 (35)
- php文件怎么在浏览器运行 (33)
- eval在python中的意思 (33)
- python安装opencv库 (35)
- python div (34)
- sticky css (33)
- python中random.randint()函数 (34)
- python去掉字符串中的指定字符 (33)
- python入门经典100题 (34)
- anaconda安装路径 (34)
- yield和return的区别 (33)
- 1到10的阶乘之和是多少 (35)
- python安装sklearn库 (33)
- dom和bom区别 (33)
- js 替换指定位置的字符 (33)
- python判断元素是否存在 (33)
- sorted key (33)