WedX - журнал о программировании и компьютерных науках

Как группировать и вычислять агрегатные функции в DataTable (C#)

Из заданной таблицы данных, например.

Val1     Val2     Col1     Col2
10        100      A        B
20        200      A        B
30        300      C        C
40        400      C        C

Я хотел бы создать другую таблицу данных с функциями агрегирования и сгруппировать, как в следующем операторе SQL:

SELECT MIN(Val1), MAX(Val2), AVG(Val1), AVG(Val2), StdDev(Val1) From DataTable GROUP BY Col1, Col2

Обратите внимание, что StdDev — это функция, которую мне, вероятно, нужно разработать самому, в то время как Max, Min, Average, вероятно, уже существуют в Linq.

Как это сделать на С#? Возможно ли это в Linq? Знаете ли вы какие-либо расширения/библиотеки, позволяющие это сделать?

Я искал другие вопросы, но они обычно связаны с выбором минимального значения (но не как совокупная функция, а путем выбора первого значения после заказа) или сосредоточены на группировке.

datatable c# linq group-by average
23.11.2016

  • @Downvoter - оставьте комментарий, когда проголосуете против! 23.11.2016

Ответы:


1

попробуйте что-то вроде этого

var groupedData = from row in dataTable.AsEnumerable()
              group row by new {Col1=row["Col1"].ToString(), Col2=row["Col2"].ToString()} into g
              select new
              {
                    Col1 = g.Key.Col1,
                    Col2 = g.Key.Col2,
                    MinVal1 = g.Min(x => x.Field<decimal>("Val1")),
                    MaxVal2 = g.Max(x => x.Field<decimal>("Val2")),
                    MinVal1 = g.Min(x => x.Field<decimal>("Val1")),
                    AvgVal1 = g.Average(x => x.Field<decimal>("Val1")),
                    AvgVal2 = g.Average(x => x.Field<decimal>("Val2"))

              };

foreach (var group in groupedData )
{

}
23.11.2016
Новые материалы
Как проанализировать работу вашего классификатора?
Не всегда просто знать, какие показатели использовать С развитием глубокого обучения все больше и больше людей учатся обучать свой первый классификатор. Но как только вы закончите..
Работа с цепями Маркова, часть 4 (Машинное обучение)
Нелинейные цепи Маркова с агрегатором и их приложения (arXiv) Автор : Бар Лайт Аннотация: Изучаются свойства подкласса случайных процессов, называемых дискретными нелинейными цепями Маркова..
Crazy Laravel Livewire упростил мне создание электронной коммерции (панель администратора и API) [Часть 3]
Как вы сегодня, ребята? В этой части мы создадим CRUD для данных о продукте. Думаю, в этой части я не буду слишком много делиться теорией, но чаще буду делиться своим кодом. Потому что..
Использование машинного обучения и Python для классификации 1000 сезонов новичков MLB Hitter
Чему может научиться машина, глядя на сезоны новичков 1000 игроков MLB? Это то, что исследует это приложение. В этом процессе мы будем использовать неконтролируемое обучение, чтобы..
Учебные заметки: создание моего первого пакета Node.js
Это мои обучающие заметки, когда я научился создавать свой самый первый пакет Node.js, распространяемый через npm. Оглавление Глоссарий I. Новый пакет 1.1 советы по инициализации..
Забудьте о Matplotlib: улучшите визуализацию данных с помощью умопомрачительных функций Seaborn!
Примечание. Эта запись в блоге предполагает базовое знакомство с Python и концепциями анализа данных. Привет, энтузиасты данных! Добро пожаловать в мой блог, где я расскажу о невероятных..
ИИ в аэрокосмической отрасли
Каждый полет – это шаг вперед к великой мечте. Чтобы это происходило в их собственном темпе, необходима команда астронавтов для погони за космосом и команда технического обслуживания..
Для любых предложений по сайту: [email protected]