Я использую назначение плоского файла из набора инструментов SSIS 2010. При экспорте столбца длиной 16 плоский файл csv показывает его в экспоненциальном представлении (8.05E+15), а в строке формул он отображает 8046909522611690, где исходное значение равно 8046909522611695. Если я открою CSV в блокноте, значение будет 8046909522611695. Есть ли способ правильно отобразить значение (не в экспоненциальном представлении и без округления) при открытии экспортированного плоского файла с помощью excel.
Назначение плоского файла SSIS — экспортированный столбец округляется до ближайшей десятой
29.08.2017
- Если я правильно понимаю, это больше похоже на вопрос Excel, чем на вопрос SSIS. 29.08.2017
- Не просматривайте его в Excel. Посмотреть в блокноте. Excel сбивает с толку 01.09.2017
Ответы:
1
Щелкните правой кнопкой мыши столбец в Excel, где вы хотите, чтобы данные были представлены в полном объеме, и выберите параметр «Форматировать ячейки..». В разделе «Категория» выберите «Текст» и нажмите «ОК». Как указал Зейн, проблема, с которой вы столкнулись, связана с просмотром содержимого в Excel, а не с самим выводом SSIS. Это форматирование должно позаботиться об этом.
31.08.2017
Новые материалы
Кластеризация: более глубокий взгляд
Кластеризация — это метод обучения без учителя, в котором мы пытаемся найти группы в наборе данных на основе некоторых известных или неизвестных свойств, которые могут существовать. Независимо от..
Как написать эффективное резюме
Предложения по дизайну и макету, чтобы представить себя профессионально
Вам не позвонили на собеседование после того, как вы несколько раз подали заявку на работу своей мечты? У вас может..
Частный метод Python: улучшение инкапсуляции и безопасности
Введение
Python — универсальный и мощный язык программирования, известный своей простотой и удобством использования. Одной из ключевых особенностей, отличающих Python от других языков, является..
Как я автоматизирую тестирование с помощью Jest
Шутка для победы, когда дело касается автоматизации тестирования
Одной очень важной частью разработки программного обеспечения является автоматизация тестирования, поскольку она создает..
Работа с векторными символическими архитектурами, часть 4 (искусственный интеллект)
Hyperseed: неконтролируемое обучение с векторными символическими архитектурами (arXiv)
Автор: Евгений Осипов , Сачин Кахавала , Диланта Хапутантри , Тимал Кемпития , Дасвин Де Сильва ,..
Понимание расстояния Вассерштейна: мощная метрика в машинном обучении
В обширной области машинного обучения часто возникает необходимость сравнивать и измерять различия между распределениями вероятностей. Традиционные метрики расстояния, такие как евклидово..
Обеспечение масштабируемости LLM: облачный анализ с помощью AWS Fargate и Copilot
В динамичной области искусственного интеллекта все большее распространение получают модели больших языков (LLM). Они жизненно важны для различных приложений, таких как интеллектуальные..