mrpt_HistoryData_ReadOne: 读取历史数据真实数据

R: 读取历史数据真实数据
mrpt_HistoryData_ReadOneR Documentation
读取历史数据真实数据

mrpt_actualData_read: 读取历史数据

R: 读取历史数据
mrpt_actualData_readR Documentation
读取历史数据

mrpt_HistoryData_ReadAll: 读取历史数据

R: 读取历史数据
mrpt_HistoryData_ReadAllR Documentation
读取历史数据

db_readTable: 读取整表数据

R: 读取整表数据
const macros = { "\\R": "\\textsf{R}", "\\code": "\\texttt"};
function processMathHTML() {

mrpt_calc_cumSum_Period_actual: 计算累计数_历史数据

R: 计算累计数_历史数据
mrpt_calc_cumSum_Period_actualR Documentation
计算累计数_历史数据

rbu_rollup_actual_cumSum: 计算历史数据累计数 mrpt_calc_cumSum_Period

R: 计算历史数据累计数 mrpt_calc_cumSum_Period
rbu_rollup_actual_cumSumR Documentation
计算历史数据累计数

mrpt_adj_readData_ui: 读取调整数据

R: 读取调整数据
mrpt_adj_readData_uiR Documentation
读取调整数据

combine_rows_into_longColumn: 合并多行数据

R: 合并多行数据
const macros = { "\\R": "\\textsf{R}", "\\code": "\\texttt"};
function processMathHTML() {

bw2_selectData: 整合查询

R: 整合查询
bw2_selectDataR Documentation
整合查询

log_combine_gp: 根据Id合并数据处理

R: 根据Id合并数据处理
log_combine_gpR Documentation
根据Id合并数据处理

test/s1.3_第三次数据整理.R:

source('test/main_pkgs.R')
library(lubridate)
devtools::load_all

test/s1.2_第二次数据整理.R:

source('test/main_pkgs.R')
indir <- "INPUT/raw-data/2th-20190604-Jane/"
files

mrpt_calc_runAll_actual: 针对历史数据进行处理

R: 针对历史数据进行处理
mrpt_calc_runAll_actualR Documentation
针对历史数据进行处理

experiments/20180821_黑龙江全部数据整理.Rmd:

title: "20180821_黑龙江全部数据整理"
author: "wzy"
date: "2018年8月21日"

own_getBcsRpt: 获取合并报表数据

R: 获取合并报表数据
own_getBcsRptR Documentation
获取合并报表数据

nsim_split_combine: 处理数据按||合并的问题

R: 处理数据按||合并的问题
const macros = { "\\R": "\\textsf{R}", "\\code": "\\texttt"};
function processMathHTML() {

experiments/20171215_数据探索与回顾.Rmd:

library(plyr)
本实验主要任务在于:
**回顾贵阳大数据比赛所用的数据集，探索数据集构成。**

log_qna_combined_byDate3: 按天对数据进行合并3

R: 按天对数据进行合并3
log_qna_combined_byDate3R Documentation
按天对数据进行合并3

log_qna_combined_byDate: 按天对数据进行合并

R: 按天对数据进行合并
log_qna_combined_byDateR Documentation
按天对数据进行合并

experiments/20180321_LOESS数据处理7.Rmd:

%（SPAN=0.3），再提升到75.70%（SPAN=0.4），再提升到76.92%（SPAN=0.5），再提升到78.48%（SPAN=0.6）,再提升到79.90%（SPAN=0.7）。可见LOESS有效果。
## 数据合并与平行坐标图