Jelly's questions

传入的 csv 文件具有以下模式：

 latitude;longtitude
 90.232;24.244

我需要通过使用新字段“json”更新传入模式来生成流文件。

预期输出模式为：

latitude;longtitude;json
90.232;24.244;"{\"type\":\"Point\",\"coordinates\":[90.232,24.244]}"

所以我需要提取纬度和经度值并将它们放入 json（表示为字符串值）。

为了这个目的我使用了带有属性的 UpdateRecord：

/json 值为：

  {"type":"Point","coordinates":[${\latitude},${\longtitude}]}

我也尝试过：

 {"type":"Point","coordinates":[${latitude},${longtitude}]}

但输出是：

 latitude;longtitude;json
 90.232;24.244;"{\"type\":\"Point\",\"coordinates\":[,]}"

因此没有任何东西被放置在坐标“占位符”中。

有人能帮助我吗？

我正在尝试使用 Scipy 进行正交向量计算：

import numpy as np
from scipy import linalg

e1 = np.float16([-0.913,  -0.4072]).reshape(2,1)

e2 = linalg.orth(e1)

print(f'e_1 {e1} ,'
      f' ortogonal e2 is {e2}')

我预期的输出是：

   e2 is [[-0.4072] [0.913]]

我检查了一下：0.913 * -0.4072 + (-0.4072)*0.913 = 0

但收到：

   e2 is [[-0.913] [-0.4072 ]]

我做错什么了？

我正在尝试使用 Scipy lib 实现简单的优化：

   def f1(x):
          sum(x)

   initial_x_1 = np.ndarray([1])

   res = optimize.minimize(f1, initial_x_1, [], 'COBYLA')

但出现错误：

    fx = fun(np.copy(x), *args)
     ^^^^^^^^^^^^^^^^^^^^^^

    TypeError: f1() takes 1 positional argument but 2 were given

我将使用正则表达式来匹配表达式，其：

1. 用一个（且只能一个）连字符分隔
2. 两部分均不包含任何空格

因此，它匹配：

ss-ss
12-s2
11-11
%@2s-#1

并且不匹配：

s s-ss
ss-s s
s s-s s
1 s-1s
1s-1 s
1 s-1 s
ss-ss-ss
s1-s2-s3

有没有办法用正则表达式来创建？

我尝试了类似这样的方法：

^.[^ ]-[^ ]*

但它仅匹配带有任意数量连字符和任意空格的表达式，例如

 ss-ss-ss
 1 s-1 s

任务是向 Kafka 主题发送具有具体价值的消息。

例如，我想以纯文本形式发送“someValue”。

为此我应该使用 PublishKafkaRecord_2_6 中的哪个 Kafka 属性？

例如，我将“FreeFormTextRecordSetWriter”视为一种服务，它将 RecordSet 的内容写入自由格式的文本。

但是在 PublishKafkaRecord_2_6 中我可以设置“someValue”以将其发布在目标主题中。

给定带有月份和年份的日期值：

03.2020

我尝试将其转换为 DateType，如下所示：

to_timestamp(col("Date"), "MM.yyyy").cast(DateType)

但这却带来了一些我没想到的事情：

 2017-03-01

返回值包含额外的“01”（日期值），并重新排序月份和年份。因此预期值为“03.2020”

根据这个建议，我还尝试了：

 date_format(col("Date"), "MM.yyyy")

但在这种情况下，该函数返回 null。

我究竟做错了什么 ？

我在 Scala 上有以下 Spark 代码：

  def main(args: Array[String]): Unit = {
       val spark = SparkSession.builder.master("local").getOrCreate()
       import spark.implicits._

    val scheme = new StructType()
        .add(new StructField("state_id", IntegerType, true))
        .add(new StructField("state", StringType, true))
         .add(new StructField("recommendation", StringType, true))

  val statesDf: DataFrame = spark.read
        .format("jdbc")
        .schema(scheme)
        .option("driver", "org.postgresql.Driver")
        .option("url", "jdbc:postgresql://localhost:5432/postgres")
        .option("dbtable", "public.states")
        .option("user", "postgres")
        .option("password", "postgres")
        .load()

   statesDf.map(r => Row(r.getInt(0) * 2)).show()

  }

我在“地图”功能附近收到错误：

 No implicits found for parameter evidence$6: Encoder[Row]  

我期望“import Spark.implicits._”足以防止这个问题，但我错了

我正在尝试在图像中检测一个片段，这个片段在以下MATLAB示例中有所表示。 我使用的是OpenCV库。 ```python import cv2 import numpy as np from imutils.object_detection import non_max_suppression # 读取图像和模板 img = cv2.imread('SourceImage.png') temp = cv2.imread('TargetFragment.png') # 保存图像尺寸 W, H = temp.shape[:2] # 定义最小阈值 thresh = 0.4 # 转换为灰度图像 img_gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) temp_gray = cv2.cvtColor(temp, cv2.COLOR_BGR2GRAY) # 将图像传递给matchTemplate方法 match = cv2.matchTemplate( image=img_gray, templ=temp_gray, method=cv2.TM_CCOEFF_NORMED) # 选择置信度大于阈值的矩形 (y_points, x_points) = np.where(match >= thresh) # 初始化我们的矩形列表 boxes = list() # 再次遍历起始(x, y)坐标 for (x, y) in zip(x_points, y_points): # 更新我们的矩形列表 boxes.append((x, y, x + W, y + H)) # 对矩形应用非极大值抑制 # 这将创建一个单一的边界框 boxes = non_max_suppression(np.array(boxes)) # 遍历最终的边界框 for (x1, y1, x2, y2) in boxes: # 在图像上绘制边界框 cv2.rectangle(img, (x1, y1), (x2, y2), (255, 0, 0), 3) cv2.imwrite('result.png', img) ``` 大图像是：  要检测的目标片段是：  但是检测到了两个区域，而不是一个。其中一个区域根本不包含目标片段：  我漏了什么吗？

该表由以下脚本表示：

CREATE TABLE sales (
  id SERIAL PRIMARY KEY,
  product_id INTEGER,
  sales_date DATE,
  quantity INTEGER,
  price NUMERIC
);

INSERT INTO sales (product_id, sales_date, quantity, price) VALUES
   (1, '2023-01-01', 10, 10.00),
   (1, '2023-01-02', 12, 12.00),
   (1, '2023-01-03', 15, 15.00),
   (2, '2023-01-01', 8, 8.00),
   (2, '2023-01-02', 10, 10.00),
   (2, '2023-01-03', 12, 12.00);

任务是计算每个 Product_id 最近 3 天的销售数量。该期间必须从每个product_id 的最大（最后）日期开始向后计算。因此，对于 1 来说，最大值是 2023-01-03，对于 2 来说也是如此。但是对于 Product_id 2，最后一天可能与 1 不同 - 比如说 2023-01-05。

通过在子查询中使用窗口函数应用此查询：

select product_id, max(increasing_sum) as quantity_last_3_days
   from 
        (SELECT product_id,
         SUM(quantity) OVER (PARTITION BY product_id ORDER BY sales_date RANGE BETWEEN INTERVAL '2 days'
                PRECEDING AND CURRENT ROW) AS increasing_sum
         FROM sales) as s
   group by product_id;

我收到预期的输出：

  | product_id | quantity_last_3_days |
  |____________|______________________|            
  |_____1______|___________37_________|
  |_____2______|___________30_________|     
 

但这是最优解吗？有没有办法通过使用不带子查询的窗口函数来解决这个问题？