- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
假设我有两个数据集 base
和 payment
。
base
是:
[ id, timestamp, value]
付款
是:
[ payment_id, timestamp, value, gateway ]
我想协调 base
与 payment
。期望的结果是:
[id, timestamp, value, payment_id, gateway, probability]
基本上它应该告诉我对于给定的基本条目最可能的 payment_id
是什么。匹配应同时考虑日期时间和值。如果它只给出概率最高的那个,我会很满意,但是我也不会打扰第二个/第三个建议。
到目前为止,我已经阅读了一些关于模糊匹配和相似性学习、余弦相似度等内容,但似乎无法将它们应用到我的问题中。我想手动做一些事情,比如:
for each_entry in base:
value_difference = base['value'] - payment['value']
time_difference = base['timestamp'] - payment['timestamp']
if value_difference <= 0.1 and time_difference <= 0.1:
#if the difference is small, then tell me the payment_id.
问题在于,这看起来像是一种真正的“转储”方法,如果有多个 payment_entry
符合条件,则可能会发生冲突,我将不得不手动微调参数以取得良好的效果。
我希望找到一种更智能、更自动化的方法来帮助协调这两个数据集。
有人对如何解决这个问题有什么建议吗?
编辑:我目前的状态:
import pandas as pd
import time
from itertools import islice
from pandas import ExcelWriter
import datetime
from random import uniform
orders = pd.read_excel("Orders.xlsx")
pmts = pd.read_excel("Payments.xlsx")
pmts['date'] = pd.to_datetime(pmts.date)
orders['data'] = pd.to_datetime(orders.data)
payment_list = []
for index, row in pmts.iterrows():
new_entry = {}
ts = row['date']
new_entry['id'] = row['id']
new_entry['date'] = ts.to_pydatetime()
new_entry['value'] = row['value']
new_entry['types'] = row['pmt']
new_entry['results'] = []
payment_list.append(new_entry)
order_list = []
for index, row in orders.iterrows():
new_entry = {}
ts = row['data']
new_entry['id'] = row['Id1']
new_entry['date'] = ts.to_pydatetime()
new_entry['value'] = row['valor']
new_entry['types'] = row['nome']
new_entry['results'] = []
order_list.append(new_entry)
for each_entry in order_list:
for each_payment in payment_list:
delta_value = (each_entry['value'] - each_payment['value'])
try:
delta_time = abs(each_entry['date'] - each_payment['date'])
except:
TypeError
pass
results = []
delta_ref = datetime.timedelta(minutes=60)
if delta_value == 0 and delta_time < delta_ref:
result_type = each_payment['types']
result_id = each_payment['id']
results.append(result_type)
results.append(delta_time)
results.append(result_id)
each_entry['results'].append(results)
result_id = each_entry['id']
each_payment['results'].append(result_id)
orders2 = pd.DataFrame(order_list)
writer = ExcelWriter('OrdersList.xlsx')
orders2.to_excel(writer)
writer.save()
pmts2 = pd.DataFrame(payment_list)
writer = ExcelWriter('PaymentList.xlsx')
pmts2.to_excel(writer)
writer.save()
好的,现在我得到了一些东西。它返回所有具有相同值和小于 x 的时间增量(在本例中为 60 分钟)的条目。只给我最有可能的结果,匹配正确的概率(相同数量,小时间窗口),这再好不过了。会继续努力。
最佳答案
最简单的方法可能是选择具有最小差异的基础/支付对。例如:
base_data = [...] # all base data
payment_data = [...] # all payment data
def prop_diff(a,b,props):
# this iterates through all specified properties and
# sums the result of the differences
return sum([a[prop]-b[prop] for prop in props])
def join_data(base, payment):
# you need to implement your merging strategy here
return joined_base_and_payment
results = [] # where we will store our merged results
working_payment = payment_data.copy()
for base in base_data:
# check the difference between the lists
diffs = []
for payment in working_payment:
diffs.append(prop_diff(base, payment, ['value', 'timestamp']))
# find the index of the payment with the minimum difference
min_idx = 0
for i, d in enumerate(diffs):
if d < diffs[min_idx]:
min_idx = i
# append the result of the joined lists
results.append(join_data(base, working_payment[min_idx]))
del working_payment[min_idx] # remove the selected payment
print(results)
基本思想是找出列表之间的总差异并选择差异最小的对。在本例中,我复制了 payment_data
,这样我们就不会破坏它,并且在我们将它与一个基数匹配并附加结果后,我们实际上删除了付款条目。
关于python - Reconciling Records (Date and Number Value) : Given two datasets with multiple features, 如何获得最有可能的匹配?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/54849245/
降本手段一招鲜,增效方法吃遍天; 01 互联网行业里; 降本策略千奇百怪,手段却出奇一致;增效方法五花八门,手段更是花里胡哨; 对于企业来说;
有什么方法可以使用 angularjs 中的部分进行代码分组吗? 原因 --- 我的 Controller 包含太多代码。该 Controller 包含了多个方法和大量功能的代码,降低了代码的可读性。
不幸的是,我的数据库的数据模型必须改变,所以我正在寻找最轻松的方式来迁移我的数据。 此时情况如何: create table cargo{ id serial primary key, per
在 QTextEdit 对象中,假设我想知道字符在鼠标光标下的位置。 我会写... void MyQTextEditObject::mousePressEvent(QMouseEvent* mouse
是否可以在 C++ 中返回一个 return 语句或做一些具有类似功能的事情? 例如,如果代码中有几个函数将指针作为输入,并且每个函数都检查指针是否为 nullptr,这将很方便。如果它是一个 nul
我的 PC 上有一个控制台应用程序,它是 signalR 服务器。 我有一个 html 页面,它是互联网上的 signalR 客户端。但我尝试连接服务器,但我有一个错误的请求 400 错误。如果服务器
我想将应用程序作为后台进程运行。当点击应用程序图标时,它不会显示任何 View ,只会启动后台进程。 最佳答案 对于 iOS 这是不可能的,但是对于 android,react native 有 he
我知道有(昂贵的)框架可以让你在 VS C# 中编写 android 应用程序并将其编译为 android apk。 我也知道,可以在 VS 中编写 Java 应用程序(link)。 是否有可能,甚至
我在做: can :manage, :all if user.role == 'admin' can :approve, Anuncio do |anuncio| anuncio.try(:apr
我是一名优秀的程序员,十分优秀!