问题标签 [ranking-functions]

我正在探索 Hive 中的窗口函数，并且能够理解所有 UDF 的功能。虽然，我无法理解我们与其他函数一起使用的 partition by 和 order by。以下是与我计划构建的查询非常相似的结构。

只是试图了解这两个关键字所涉及的后台过程。

感谢帮助:)

我有一个数据集：

我首先根据“计数”对数据集进行排名。

我现在正在尝试使用 row_number（4 行）上的滚动窗口对内容进行排名，并根据 model_score 在窗口内排名。例如：

在第一个窗口 row_number 1 到 4 中，新排名（新列）将为

在第一个窗口中，row_number 5 到 8，新排名（新列）将为

在第一个窗口，row_number 9 休息，新的排名（新列）将是

有人可以告诉我如何使用这个 spark 和 Scala 来实现吗？有没有我可以使用的预定义函数？

我试过 ：

惰性值 MODEL_RANK = Window.partitionBy(col(QUERY)) .orderBy(col(MODEL_SCORE).desc).rowsBetween(0, 3)

但这给了我：

另外，尝试使用 .rowsBetween(-3, 0) 但这也给了我错误：

我使用 R 和 rank 函数为原始 var 创建以下等级x：

我正在努力min在 MQL5 中实施 -version。首先，您可能需要对数组进行排序，但您需要注意原始顺序。如何手动分配等级是很合乎逻辑的，但我不知道如何在 MQL5 中实现这一点。

如果员工的工资低于 50,000 则排名 = 1，最高 100 000 则排名 2，最高 150 000 则排名 3。我可以使用排名函数得到这个吗？

我有一个表格，其中包含主要列的文档名称：

文档标题、创建日期、下载次数排名（星号：从 0 到 5）、
文档排名次数

唯一总是填写数据的字段是： 文档标题、创建日期

总体排名的正确公式是什么，以便用户可以看到哪些文档是最受欢迎的，考虑到： 创建日期、下载次数、排名（星号：从 0 到 5）、文档排名的次数

例如，如果昨天创建的文档只有一个5 星和10次下载的排名，那么它的总体排名不能高于已发布2 年且下载量为数百次的文档，即使它只有 4 星

谢谢

最终，我希望创建一个表，其中包含我在数据集中拥有的每个唯一 ID 以及相应字段，基于该字段的“排名”。

我一直非常坚持这一步。我考虑过为每个唯一 ID 循环，但想看看是否有更简单的方法。或许 apply 系列函数会有所帮助。我也不确定对不同字符串值进行排名的方法（例如，TRUE > FALSE > NA）。

下面是我正在查看的一个小样本，只有两个感兴趣的领域：

对于每个 ID：

• 如果标志字段中至少有一个“TRUE”，我想拉出这些整行中的一个（不管是哪一个）。
• 如果一个 ID 在标志字段中不包含“TRUE”值，但在至少一行中有“FALSE”，我想提取其中一整行。
• 如果 ID 在标志字段中没有“TRUE”或“FALSE”值，我仍然想要“NA”行之一。

以下是我希望拥有的单独数据框：

提前感谢您的帮助！

我有四列要排名。它们需要按员工 ID 分组，然后按订单号从低到高列出。然后当一切都井井有条时，我真的想得到城市在该顺序中的排名。如果同一名员工的同一个城市一个接一个地列出，那么我希望那些排名相同。

下表的示例如下。顺序是正确的，但排名不是我想要做的。

我实际上想要的结果是：

然后我最终会删除重复的城市，最终得到：

下表由 EmployeeID、JobNum、CompDate 列组成。基本上有 3 名不同的员工具有特定的工作 ID 和与他们相关的完成日期时间。有一些 jobNum 与特定的 EmployeeID 没有关联，并且可能有一个完整的日期。

问题：1) 当 Complete date 不为 null 或填充了日期时，删除 EmployeeID 的记录。

2) 当该 EmployeeID 的记录包含一个空缺职位时（当 JobNum 不为 NULL 且 CompDate 为 NULL 时），删除该员工的 JobNum 和 CompDate 列都具有空值的记录。这是重复的。

尝试使用带有案例陈述的排名函数。排名不正确。

我无法从评分函数中获取每行的分数作为输出。

我正在使用评分函数在 Jupyter 笔记本中使用 Python 在推荐引擎中对我的文档进行排名。我正在使用下面的代码来评估我的测试数据 -

上面的代码给了我 logits_mean 和其他指标。现在我需要输出文件对我的测试数据的每一行都有分数，就像我们在任何其他 ml 分类问题中得到预测输出一样。请帮忙！

我希望能就所附的工作簿获得帮助。最终目标是能够标记占代表累积活动 70% 的客户。我已经在 H 列中手动完成了这项工作，但想要一个可靠的公式来完成这项工作。我正在考虑像 Offset/Indirect/Cell"Address"/Index/Match/Match/Countifs 或 CountA 这样的堆栈会起作用，但有点困惑。原始源数据位于 BD 列中，由 PowerPivot 组成。

通过 PowerQuery 提出的任何想法也将受到欢迎，我可以为此提供任何必要的细节。

非常感谢您！！！

约旦