8、Tableau数据连接与准备实用指南

Tableau数据连接与准备实用指南

1. 数据混合与连接基础

数据混合时,单一数据源是不够的,必须有主数据源和次数据源。第一个数据源成为主数据源,它定义视图;次数据源起限制作用,仅保留与主数据源有对应匹配值的数据。从各方面看,数据混合类似于左连接。

连接和混合有细微差别。数据混合模拟传统的左混合。在考虑数据聚合时,连接和混合有一点需要注意:连接是先组合数据再进行聚合,而混合是先聚合再组合数据,关键在于组合数据的顺序。

2. 使用剪贴板数据

并非所有数据都能以整齐的格式存在于关系数据库、企业应用程序或有组织的文件格式等数据源中。有时你可能想从外部源引入数据进行一次性分析,此时可以使用Tableau的剪贴板数据功能。

2.1 适用的数据来源

可以从传统办公应用程序(如Microsoft Word或Microsoft Excel)、标准网页浏览器内容或基于文本文件的数据复制数据。但要注意,数据必须能转换为逗号分隔或制表符分隔的值,复制到剪贴板时格式会丢失。

2.2 操作步骤

  1. 从Excel文件(或类似文档)中选择数据样本,复制数据到剪贴板。例如,可选择华盛顿研究图书馆联盟(Washington Research Library Consortium)成员大学的部分列表数据。
  2. 打开Tableau Desktop并转到数据源页面。
  3. 进入数据菜单,选择“粘贴数据作为连接”或“粘贴数据作为数据源”,建议选择“数据作为连接”。此时会创建一个新连接,如“Clipboard_221120T195”,并生成一个包含单个表的工作表,工作表会自动推导字段
【无人车路径跟踪】基于神经网络的数据驱动迭代学习控制(ILC)算法,用于具有未知模型和重复任务的非线性单输入单输出(SISO)离散时间系统的无人车的路径跟踪(Matlab代码实现)内容概要:本文介绍了一种基于神经网络的数据驱动迭代学习控制(ILC)算法,用于解决具有未知模型和重复任务的非线性单输入单输出(SISO)离散时间系统的无人车路径跟踪问题,并提供了完整的Matlab代码实现。该方法无需精确系统模型,通过数据驱动方式结合神经网络逼近系统动态,利用迭代学习机制不断提升控制性能,从而实现高精度的路径跟踪控制。文档还列举了大量相关科研方向和技术应用案例,涵盖智能优化算法、机器学习、路径规划、电力系统等多个领域,展示了该技术在科研仿真中的广泛应用前景。; 适合人群:具备一定自动控制理论基础和Matlab编程能力的研究生、科研人员及从事无人车控制、智能算法开发的工程技术人员。; 使用场景及目标:①应用于无人车在重复任务下的高精度路径跟踪控制;②为缺乏精确数学模型的非线性系统提供有效的控制策略设计思路;③作为科研复现算法验证的学习资源,推动数据驱动控制方法的研究应用。; 阅读建议:建议读者结合Matlab代码深入理解算法实现细节,重点关注神经网络ILC的结合机制,并尝试在不同仿真环境中进行参数调优性能对比,以掌握数据驱动控制的核心思想工程应用技巧。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符  | 博主筛选后可见
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值