数据分组查询问题求解

java_mi 2011-10-14 09:59:25
表结构如下:
FNO FName FJD FMoney
1 aa J 500
1 aa J 300
1 aa D 800
2 bb J 500
2 bb J 500
2 bb D 800
3 cc J 500
3 cc D 300

根据每组数据的J和D来判断金额是否持平;将J,D不持平的组数据查询出来,希望结果是:
2 bb J 500
2 bb J 500
2 bb D 800
3 cc J 500
3 cc D 300
求解;谢谢!
...全文
75 2 打赏 收藏 转发到动态 举报
写回复
用AI写文章
2 条回复
切换为时间正序
请发表友善的回复…
发表回复
xiaobn_cn 2011-10-14
  • 打赏
  • 举报
回复

with T as (
select 1 FNO, 'aa' FName, 'J' FJD, 500 FMoney From dual union all
select 1, 'aa', 'J', 300 From dual union all
select 1, 'aa', 'D', 800 From dual union all
select 2, 'bb', 'J', 500 From dual union all
select 2, 'bb', 'J', 500 From dual union all
select 2, 'bb', 'D', 800 From dual union all
select 3, 'cc', 'J', 500 From dual union all
select 3, 'cc', 'D', 300 From dual)
SELECT *
FROM T
WHERE T.FNO IN
(SELECT FNO
FROM (select FNO,DECODE(FJD,'J',FMoney,FMoney * -1) FMoney2 from T)
GROUP BY FNO
HAVING SUM(FMoney2) <> 0);

java_mi 2011-10-14
  • 打赏
  • 举报
回复
多谢一楼!~
内容概要:本文围绕基于Basisformer模型的时间序列锂离子电池SOC(State of Charge,荷电状态)预测展开研究,利用PyTorch框架实现深度学习模型的构建与训练。通过将历史充放电数据作为输入,Basisformer能够有效捕捉电池状态的动态变化特征,提升SOC预测精度。文中详细介绍了模型结构设计、数据预处理流程、训练策略及实验结果分析,并与传统方法进行对比,验证了该方法在复杂工况下的优越性与鲁棒性。该研究不仅展示了Basisformer在时序建模中的潜力,也为电池管理系统提供了高精度的状态估计解决方案。; 适合人群:具备一定Python编程基础和深度学习理论知识,熟悉PyTorch框架,从事电池管理系统、新能源汽车或智能预测方向研究的研究生、科研人员及工程技术人员。; 使用场景及目标:①应用于电动汽车、储能系统等领域的电池SOC高精度实时估算;②为电池健康管理(BMS)提供可靠的状态输入;③推动深度学习在时间序列预测中的实际落地,提升现有预测模型的泛化能力与稳定性; 阅读建议:建议读者结合标题为【锂电池SOC估计】【PyTorch】基于Basisformer时间序列锂离子电池SOC预测研究(python代码实现)的资源,重点研读所提供的Python代码,深入理解数据处理方式与模型网络结构的设计思路,尝试调整超参数以观察对预测性能的影响,从而全面掌握Basisformer在时序建模中的优势、适用边界及工程化实现路径。

3,499

社区成员

发帖
与我相关
我的任务
社区描述
Oracle 高级技术相关讨论专区
社区管理员
  • 高级技术社区
加入社区
  • 近7日
  • 近30日
  • 至今
社区公告
暂无公告

试试用AI创作助手写篇文章吧