WedX - журнал о программировании и компьютерных науках

Массив индексов списка элементов, условных для ссылки

У меня есть две таблицы в моем документе, выглядящие так:

Таблица серийных номеров (в формуле: SNT):

Serial Number    Product model
ABCD             1234
DEFG             5678
HIJK             1234

Техническая спецификация продукта (в формуле: PTS):

Product model      Power      Labeling
1234               100w       1
5678               600w       0

и цель состоит в том, чтобы перечислить все серийные номера, связанные с продуктом, который нуждается в маркировке, а также их номер продукта и мощность:

Serial Number    Product model      Power
ABCD             1234               100w
HIJK             1234               100w

Поэтому я попытался написать свою собственную формулу индекса/соответствия, и она каким-то образом не будет фильтровать элементы, которые не должны быть помечены. Формула выглядит следующим образом:

{=IFERROR(INDEX(SNT[Serial Number],MATCH(0,COUNTIF($A$1:A1,SNT[Serial Number])+IF(INDEX(PTS[Labeling],MATCH(INDEX(SNT[Product model],MATCH(INDEX(SNT[Serial Number],),SNT[Serial Number],)),PTS[Product model],0))<>1,1,0),0)),"")}

Мой результат

Serial Number    Product model      Power
ABCD             1234               100w
DEFG             5678               600W
HIJK             1234               100w

Возможно, я сделал свое сопоставление слишком сложным, но эти таблицы находятся на разных листах, и я не знаю, что лучше, чтобы увидеть, является ли маркировка 1 или 0. И, честно говоря, я искал объяснение того, что ПОИСКПОЗ (0,1,0) делает точно и ничего не может найти. Как диапазон может быть равен 1, а значение равно 0?

Спасибо за любую помощь!

19.11.2019

  • Не могли бы вы использовать английские имена функций? 19.11.2019
  • Да, извините, я забыл там ЭКВИВ, мой плохой, они означают МАТЧ, я их сразу меняю! 19.11.2019

Ответы:


1

Итак, в итоге я сделал «промежуточный список» (пример ниже), и вот почему:

Формула массива, кажется, делает любую ее часть функцией массива. Таким образом, фильтрация серийных номеров, установленных в Таблице серийных номеров (в формуле: SNT): по «Маркировке» в строке, соответствующей модели в Технической спецификации продукта (в формуле: PTS) была невозможна, она просто прошлась по всему списку PTS, пока не встретила одну с соответствующим значением и не назвала ее действительной.

Вместо этого я просто перечислил все серийные номера и модель продукта из SNT, а затем заполнил другие столбцы атрибутов, включая маркировку. из PST.

Промежуточный список:

Serial Number    Product Model     Power      Labeling
ABCD             1234              100w       1
DEFG             5678              600w       0
HIJK             1234              100w       1

Наконец, я сделал обычную формулу массива для фильтрации по значению столбца массива.

07.12.2019
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]