用于交叉制表的良好数据模型是什么？

Question

我正在用 Python 实现一个交叉制表库，作为我新工作的编程练习，并且我已经实现了可以工作但不优雅且多余的需求。 我想要一个更好的模型，它允许在基本模型之间良好、干净地移动数据，以表格数据形式存储在平面文件中，以及可能需要的所有统计分析结果。

现在，我从表中每一行的一组元组，到计算感兴趣元组出现频率的直方图，再到一个序列化器（有点笨拙），将输出编译成一个集合用于显示的表格单元格。 然而，我最终不得不比我想要的更频繁地返回表格或直方图，因为永远没有足够的信息。

那么，有什么想法吗？

编辑：这是一些数据的示例，以及我希望能够从中构建的内容 它。 注意 ”。” 表示一些“缺失”数据，这只是有条件的 算了。

1   .   1
1   0   3
1   0   3
1   2   3
2   .   1
2   0   .
2   2   2
2   2   4
2   2   .

如果我查看上面第 0 列和第 2 列之间的相关性，这就是我的表格：

    . 1 2 3 4
1   0 1 0 3 0
2   2 1 1 0 1

此外，我希望能够计算频率/总计、频率/小计的比率，&c。

Answer 1

您可以使用内存 sqlite 数据库作为数据结构，并将所需的操作定义为 SQL 查询。

import sqlite3

c = sqlite3.Connection(':memory:')
c.execute('CREATE TABLE data (a, b, c)')

c.executemany('INSERT INTO data VALUES (?, ?, ?)', [
    (1, None,    1),
    (1,    0,    3),
    (1,    0,    3),
    (1,    2,    3),
    (2, None,    1),
    (2,    0, None),
    (2,    2,    2),
    (2,    2,    4),
    (2,    2, None),
])

# queries
# ...

Answer 2

SW 在 activestate.com 上发布了一个很好的基本配方< /a>.

本质似乎是......

1. 将 xsort=[] 和 ysort=[] 定义为轴数组。 通过迭代数据或其他方式来填充它们。
2. 通过迭代数据并递增 rs[yvalue][xvalue]，将 rs={} 定义为表格数据的字典的字典。 如果/需要时创建丢失的密钥。

例如，第 y 行的总计将是 sum([rs[y][x] for x in xsort])

Answer 3

由于这是 Python 的早期编程练习，因此他们可能希望您了解哪些 Python 内置机制适合问题的初始版本。 字典结构似乎是一个不错的选择。 tab-sep 文件中的第一列值可以是字典的键。 该键找到的条目本身可以是一个字典，其键是第二列值。 子词典的条目将是一个计数，当您在第一次遇到一对时添加新子词典时，初始化为 1。

Answer 4

为什么不使用 HTML 表存储它？ 它可能不是最好的，但您可以非常轻松地在浏览器中查看它。

编辑：

我刚刚重新阅读了这个问题，您要求的是数据模型，而不是存储模型。 要回答这个问题......

这完全取决于您将如何报告数据。 例如，如果您要进行大量的旋转或聚合，那么将其存储在列主要顺序中可能更有意义，这样您就可以对列进行求和来获取计数。

如果您解释一下您要提取的信息类型，将会有很大帮助。