请教高手指点小弟pb里和sql相关的两个问题
string zddw,jsdw,zdrc,hm,yjjm,jsjm,d,t,js,bz,ldbh
ldbh=ddlb_1.text
SELECT 进口路单表.路单编号
进口路单表.制单单位,
进口路单表.接收单位,
进口路单表.制单局日戳,
进口路单表.号码,
进口路单表.原寄局名,
进口路单表.接收局名,
进口路单表.袋,
进口路单表.套,
进口路单表.件数,
进口路单表.备注
INTO :ldbh,
:zddw,
:jsdw,
:zdrc,
:hm,
:yjjm,
:jsjm,
:d,
:t,
:js,
:bz
FROM 进口路单表
where 路单编号 = :ldbh ;
sle_2.text = zddw
sle_3.text = JSDW
sle_4.text = hm
sle_5.text = yjjm
sle_6.text = jsjm
sle_7.text = d
sle_8.text = t
sle_9.text = js
sle_10.text = bz
2.想做一个车辆进出站统计的的饼形图,我的表中有“日期,进站车次,出站车次”三个项目,并且都已经负值,在建graph风格datawindow时,里面的Category,Values,Series该怎么选,我只要实现进站和出站两块就行
以上两个问题请高手指教,小弟不胜感激!!!!!!
相关推荐
招商银行信用卡中心校园大赛:消费金融场景下的用户购买预测+python源码+文档说明
<项目介绍> - 1.将训练集,测试集,提交样例放到data目录下(我保留了文件,但我将文件内容删除了,需要替换数据文件) 2.运行code/chenzhiliang.py 运行环境xgboost0.6 3.运行code/gao.py 运行环境xgboost0.71 4.运行code/zhao.py 运行环境xgboost0.6 5.运行code/fusion.py ,最终结果文件big_fusion_7_14_ratio1.35_18_1.1.txt - 不懂运行,下载完可以私聊问,可远程教学 1、该资源内项目代码都经过测试运行成功,功能ok的情况下才上传的,请放心下载使用! 2、本项目适合计算机相关专业(如计科、人工智能、通信工程、自动化、电子信息等)的在校学生、老师或者企业员工下载学习,也适合小白学习进阶,当然也可作为毕设项目、课程设计、作业、项目初期立项演示等。 3、如果基础还行,也可在此代码基础上进行修改,以实现其他功能,也可用于毕设、课设、作业等。 下载后请首先打开README.md文件(如有),仅供学习参考, 切勿用于商业用途。 --------
大数据学习笔记54:HBase概述
文章目录一、HBase概述(一)从BigTable说起(二)HBase简介1、HBase是什么2、Hadoop生态系统中HBase与其他部分的关系3、HBase和BigTable的底层技术对应关系4、为什么需要HBase(三)HBase与传统关系数据库的对比分析1、数据类型2、数据操作3、存储模式4、数据索引5、数据维护6、可伸缩性二、HBase访问接口三、HBase数据模型1、数据模型概述2、数...
Python毕业设计-基于Python的学生校园消费行为分析(数据+完整源码+说明文档).zip
数据收集: 学生消费数据:这可能包括在校园餐厅、书店、超市等地的购买记录。 学生个人信息:可能包括年龄、性别、年级、专业等。 校园活动数据:可能包括学生参加的各种校园活动的记录。 数据清洗与预处理: 处理缺失值:对于缺失的数据进行处理,可以填充缺失值或者删除缺失数据。 数据转换:将数据转换为适合分析的格式,比如将文本数据转换为数值型数据。 异常值处理:识别和处理异常值,以确保分析的准确性。 数据分析与可视化: 描述性统计分析:对消费数据进行描述性统计,如平均值、中位数、标准差等。 可视化分析:使用Python的数据可视化库(如Matplotlib、Seaborn等)绘制直方图、箱线图、散点图等,以便更直观地理解数据分布和关系。 关联分析: 关联规则挖掘:使用关联规则挖掘算法(如Apriori算法)分析学生消费行为之间的关联规律,例如哪些商品经常一起购买。 相关性分析:通过计算不同消费行为之间的相关性,了解它们之间的关系。 模型建立: 预测模型:根据历史数据建立预测模型,预测学生未来的消费行为。 分类模型:将学生分为不同的消费群体或者行为类别,以便学校更好地针对不同群体进行管理
基于Python的学生校园消费行为分析(源码+数据+结果集)
基于Python的学生校园消费行为分析(源码+数据+结果集),含有代码注释,新手也可看懂,个人手打98分项目,导师非常认可的高分项目,毕业设计、期末大作业和课程设计高分必看,下载下来,简单部署,就可以使用。 基于Python的学生校园消费行为分析项目利用Python编程语言,通过数据采集、清洗、分析和可视化等步骤,对学生在校园中的消费行为进行深入分析和可视化展示。通过该项目可以深入了解学生的消费偏好、消费习惯以及消费趋势,为学校或商家提供决策和策略的参考,以提升服务质量和满足学生需求。 项目流程包括数据采集、数据清洗与处理、数据分析与可视化、消费行为模型构建以及结果展示与报告等步骤。通过使用Python的数据处理、数据分析和可视化库,可以对学生的消费数据进行清洗、分析和可视化展示。根据分析结果,可以构建消费行为模型,例如聚类分析、关联规则分析和预测模型等,为校或商家提供更有针对性的服务和决策支持。 参与这个项目可以熟练掌握Python的数据处理和分析技术,解消费行为模型的构建和应用,以及报告撰写和项目结果展示等技巧。通过对学生校园消费行为的深入分析,可以为学校、商家以及相关决策者
Python源码-数据分析-“泰迪杯”数据分析大赛B题 学生校园消费行为分析.zip
Python源码-数据分析-“泰迪杯”数据分析大赛B题 学生校园消费行为分析.zip


数据库相关
