Мне нужно знать на основе прикрепленного Excel, как сгруппировать столбцы A и B, которые имеют повторяющиеся значения, и вернуть MAX значение/строку другого столбца, в данном случае столбца C и D.
Как сгруппировать несколько значений столбца и найти максимальное значение другого столбца
30.11.2020
- Вы пытались создать сводную таблицу из ваших данных? разве это не решает проблему для вас? 30.11.2020
Ответы:
1
То, что вы описываете, можно сделать с помощью простой сводной таблицы.
Перетащите A и B в строки, перетащите C и D в значения, а затем измените настройки поля значения, чтобы отобразить максимальное значение.
Вам нужно добавить заголовки столбцов к данным, чтобы вы могли идентифицировать данные по имени столбца. Из снимка экрана неясно, A, B, C - это встроенные буквы столбцов Excel или заголовки ваших данных.
Вам также необходимо очистить данные, поскольку похоже, что числа хранятся в виде текста. Вы не сможете выполнять какие-либо вычисления, такие как максимум, если не преобразуете текст обратно в числа.
30.11.2020
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..