【職場人必備的GenAI入門課】 GAI提高效率和生產力
「整天馬拉松會議心好累，還要加班做會議紀錄...」
學會運用 Gen AI 工具，處理那些枯燥且耗時的重複性工作，
把你寶貴的時間投注在創意和策略性的任務！
十分鐘跟著 TibaMe 學習用「GAI 提高效率和生產力」！
緯育TibaMe104學習精靈
資料整理
資料整理
關注
邀請朋友 
Facebook
Line
複製連結
Hi~ 歡迎分享學習資源，有學習問題可匿名向Giver發問！
我要分享
我要提問
資料整理 學習推薦
全部
影片
文章
不知如何開始嗎？ 先進行技能挑戰吧～
技能挑戰：初級
目前等級：未達初級
837 人已通過「初級」測驗，通過率53%，和學習精靈一起探索知識、增強能力！
我要挑戰
內容編輯
2022/09/01
Ragic 從零開始 10 分鐘教學 (8) 連結與載入
管理大量資料時，很多人常遇到的問題就是無法擺脫「複製貼上地獄」，同樣的內容常常這邊得複製貼上一份、那邊得複製貼上一份，萬一某個地方改動了，其他地方也得一一修改，不但讓工作變得累又乏味，也容易出錯。
Ragic 最基本的連結功能：「連結與載入」，就是協助大家逃離複製貼上地獄的利器！它能讓需要重複使用的資料（例如「客戶資料」、「商品資料」），利用連結與載入關係快速帶入（例如帶入「銷售訂單」），不只能節省資料登打時間、減少錯誤發生機會，也能讓資料建立有意義的關聯，方便查找與比對。
這支影片不到 10 分鐘 -- 我們要在 5 分鐘之內，說明「連結與載入」的意義，以及示範怎麼一步一步在「銷售訂單」上，建立與「客戶」資料、「商品」資料的「連結與載入」關係。
更多教學請關注「Ragic 企業雲端資料庫」YouTube 頻道
0
0
425 0
拍手
留言
分享
Line
複製連結
收藏
熱門精選
政府補助↘免費18週↘非工程師背景也能轉職AI工程師 。線上說明會
【免費報名說明會 】 非工程師背景18週也能轉職AI工程師。線上說明會
你是否曾應徵AI工程師，卻沒有收到任何面試邀約?
你是否想轉換跑道當AI工程師，但又不知道該如何開始?
緯育TibaMe 現正舉辦【轉職AI領域工程師。課程說明會】
透過「AI智慧應用開發實戰養成班」18週培訓課程，
從基礎 → 進階，從進階 → 完成專題作品，協助您成功轉職！
本週課程為實體課程，只要你符合政府補助標準，
即可享有１００％補助，還可以每個月拿到學習獎勵金
【 產業新尖兵計畫通過 】政府補助最高學費10萬元：
◆ 年滿15歲至29歲之本國籍青年通過審核扣除自負額一萬元之外課程全額免費
◆ 培訓期間勞發屬發給每月最高8千元生活津貼
◆ 培訓期間享勞 (訓) 保
這堂課程適合怎樣的學員?
◆ 想要入門AI大數據領域的人
◆ 剛畢業或退伍還在迷惘的人
◆ 有相關經驗但專業不足的人
【非工程背景，你也迷惘?是否要轉職AI工程師嗎?】
透過500小時，18週的培訓，完成專題作品，透過企業與104就業媒合！協助你成功轉職吧！！
4
0
14822 3
拍手
留言
分享
Line
複製連結
收藏
104學習精靈精選課程
看更多課程
想提升職場競爭力？專業技能課程看起來👇
3個實用的Pandas套件清理重複資料教學
本文以Kaggle網站的Amazon 2009-2019年Top50暢銷書資料集( https://www.kaggle.com/sootersaalu/amazon-top-50-bestselling-books-2009-2019
)為例，教大家如何查找及清理資料集的重複資料，提升資料的品質。
Q: Pandas duplicated()查找重複資料
想要使用Pandas套件查找資料集的重複資料，利用duplicated()方法(Method)可以得到每筆資料的重複狀態，True代表重複，False為沒重複，如下範例：
import pandas as pd
df = pd.read_csv('bestsellers with categories.csv')
print(df.duplicated())
接著，透過Pandas套件的括號[]語法即可檢視重複資料的各欄位資料，如下範例：
df = pd.read_csv('bestsellers with categories.csv')
print(df[df.duplicated()])
Pandas套件的duplicated()方法(Method)除了能夠查找所有欄位資料完全一樣的重複資料外，也提供了以下兩個關鍵字參數，來客製化查找的方式：
1. subset-查找特定欄位的重複資料
2. keep-保留第一筆(first)、最後一筆(last)或全部(False)的重複資料
如下範例：
df = pd.read_csv('bestsellers with categories.csv')
column_names = ['Name', 'Author', 'Year', 'Genre']
df = df[df.duplicated(subset=column_names, keep=False)]
print(df)
以上範例即是查找Name(書名)、Author(作者)、Year(出版年)及Genre(類型)四個欄位都一樣的重複資料，並且全部保留。
Q: Pandas drop_duplicates()刪除重複資料
從資料集裡找到重複的資料後，接下來，最常見的就是進行刪除或群組處理。
而要刪除完全一樣的重複資料，可以利用Pandas套件的drop_duplicates()方法(Method)，如下範例：
df = pd.read_csv('bestsellers with categories.csv')
df.drop_duplicates(inplace=True)
其中，inplace關鍵字參數代表直接從現有資料集中刪除重複資料。
另外，要刪除特定欄位重複的資料，同樣可以透過subset及keep關鍵字參數來達成，如下範例：
df = pd.read_csv('bestsellers with categories.csv')
column_names = ['Name', 'Author', 'Year', 'Genre']
df.drop_duplicates(subset=column_names, keep='first', inplace=True)
Q: Pandas groupby()、agg()群組重複資料
除了可以利用Pandas套件的drop_duplicates()方法(Method)刪除重複資料外，有時基於商業邏輯，可以透過群組的方式解決重複資料。
這時候，就可以利用Pandas套件的groupby()方法(Method)群組相同資料的欄位，以及agg()方法(Method)，統計運算剩餘的不同資料欄位，達到合併重複資料成一筆的效果，如下範例：
df = pd.read_csv('bestsellers with categories.csv')
column_names = ['Name', 'Author', 'Year', 'Genre']
summeries = {'User Rating': 'mean', 'Reviews': 'sum', 'Price': 'mean'}
df = df.groupby(by=column_names).agg(summeries).reset_index()
print(df)
如果想要學習更多的Python應用教學，歡迎前往Learn Code With Mike(https://www.learncodewithmike.com/2022/01/pandas-drop-duplicate-data.html
)網站觀看更多精彩內容。
3
0
1102 0
拍手
留言
分享
Line
複製連結
收藏
推薦給你
用Notion公式自動化知識管理：自動計算複習進度、即時追蹤學習狀況
Notion知識管理成為提升學習與工作效率的關鍵工具。手動追蹤複習進度不僅耗時，還容易遺漏重要信息。這篇文章將介紹如何使用 Notion 的公式功能，內容涵蓋建立資料庫、設定日期欄位、運用公式計算日期差距，並美化結果展示，幫助你更直觀地查看複習狀態。無需複雜程式知識，幾個簡單步驟，輕鬆提升學習管理效率。
口訣：「自動追蹤，進度掌控，公式計算進度不落空！」
☑️ 使用公式追蹤複習進度
建立資料庫
在 Notion 中，新增一個包含兩個欄位的資料庫：
🔥最後編輯時間（日期類型）
🔥複習進度（公式類型）
設定最後編輯時間
手動或自動更新「最後編輯時間」欄位，記錄每次複習的時間。
新增複習進度公式
在「複習進度」欄位，使用以下公式計算天數差：
dateBetween(now(), prop("最後編輯時間"), "days")
美化結果展示
為了讓結果更直觀，使用進階公式美化顯示效果：
if(dateBetween(now(), prop("最後編輯時間"), "days") > 0, "距上次複習 " + format(dateBetween(now(), prop("最後編輯時間"), "days")) + " 天", "今天已複習！")
此公式根據複習天數顯示不同訊息，當天已複習會提示「今天已複習！」，否則顯示距上次複習的天數。
☑️ 結語
使用 Notion 的自動化公式，能輕鬆掌控複習進度，讓你專注於學習的核心。簡單幾步，即可建立高效追蹤系統，確保複習計畫不脫節。開始使用這些工具，享受更高效的學習體驗！
2
0
48 1
拍手
留言
分享
Line
複製連結
收藏
你可能感興趣的教室