CC BY
10
Использованные источники:
1. AutoNumber — функция скрипта [Электронный ресурс]. - Режим доступа: http : //help. qlik. com/ru-
RU/qlikview/12.1/Subsystems/Client/Content/Scripting/CounterFunctions/autonu mber.htm - (Дата обращения: 29.05.2017).
УДК 510.622
Рыжкина Д.А. магистрант 1 курса кафедра «Бизнес-информатика» Уральский государственный экономический университет
Россия, г. Екатеринбург ЧТО ОБЩЕГО МЕЖДУ КРУГАМИ ЭЙЛЕРА И ОПЕРАТОРАМИ ОБЪЕДИНЕНИЯ ТАБЛИЦ В QLIKVIEW?
Аннотация: в статье будут рассмотрены функции объединения таблиц в скрипте QlikView, описаны их особенности и приведены примеры на практиек, а также проведено сравнение функций объединения таблиц с кругами Элйлера.
Ключевые слова: скрипт QlikView, функции объединения таблиц QlikView, QlikView, круги Эйлера.
Ryzhkina AD, Graduate student 1 year, Department of Business Informatics Ural State University of Economics Russia, Yekaterinburg WHAT IS THE COMMON BETWEEN AILER'S CIRCLES AND THE TABLE ASSOCIATION OPERATORS IN QLIKVIEW?
The article will discuss the functions of combining tables in the QlikView script, describe their features and give examples of practices, and compare the functions of merging tables with Aljler circles.
Keywords: QlikView script, QlikView table combining functions, QlikView, Euler circles.
Объединение таблиц - это самый важный момент в написании скрипта для загрузки данных. Конечно, самыми популярными операторами связи таблиц считаются: Join и Keep. Нужно что бы ничего не задвоилось, ничего не потерялось, а главное, чтобы не появилось синтетических ключей. Что бы лучше понять какой оператор подобрать для объединения таблиц, какой оператор, по какому принципу объединяет таблицы, а также какой результат можно ожидать, нужно знать, что каждый оператор под собой предполагает. Ниже в статье будет описано несколько примеров объединения таблиц в скрипте.
Операторов не много, но все же запутаться в них можно. Для лучшего понимания предлагаю способ ассоциации кругов Эйлера с операторами объединения. К каждому оператору можно подобрать тип объединения
кругов и посмотреть наглядно как действует этот способ объединения. Остановимся подробно на каждом операторе.
Left (Righ) Join - оператор, который позволяет добавлять столбцы слева, относительно столбцов основной таблицы. По такому принципу данные будут выглядеть следующим образом: одинаковые измерения останутся неизменными, разве что добавятся некоторые новые значения, а вот измерения, которых не было в первой таблице добавятся новыми столбцами слева. Пример:
База:
Load*Inline [ Имя, Должность, Саша, Продавец, Маша, Врач, Серёжа, Учитель ] ;
Left Join (База) Load*Inline [ Имя, Город, Саша, Екатеринбург, Маша, Москва, Серёжа, Воронеж
Дима, Саратов ] ;
Итог представлен в таблице 1.
Таблица 5 Результат соединения двух таблиц оператором Left Join
Имя Должность Город
Саша Продавец Екатеринбург
Маша Врач Москва
Серёжа Учитель Воронеж
В примере наглядно видно, что таблицы соединились по уникальному полю Имя и к первой таблице слева добавился столбец Город. Но при этом данные обрезались относительно первой таблицы, как можно заметить в итоговую таблицу не попал Дмитрий из второй таблицы Что соответствует такому типу объединения кругов Эйлера как на рисунке 1:
Рисунок 15 Круги Эйлера соответствие с оператором Left Join
Мы видим, что добавились новые данные, но они сократились относительно первой таблицы.
Outher Join - оператор, который позволяет связывать столбцы обеих таблиц принудительно вне зависимости от типа данных между собой и от
количества полей. При таком связывание таблиц все данные из обоих таблиц будут загружены, все зависимости заполнены ли все строки по эти данным.. Пример:
База: Load*Inline [ Имя, Должность, Саша, Продавец, Маша, Врач, Серёжа, Учитель ] ;
Outher Join (База) Load*Inline [ Имя, Город, Саша, Екатеринбург, Маша, Москва, Серёжа, Воронеж
Дима, Саратов ] ;
Итог представлен в таблице 2.
Таблица 6 Результат соединения двух таблиц оператором Outher Join
Имя Должность Город
Саша Продавец Екатеринбург
Маша Врач Москва
Серёжа Учитель Воронеж
Дима - Саратов
В примере наглядно видно, что таблицы соединились по уникальному полю Имя и к первой таблице слева добавился столбец Город. Но при этом данные уже не обрезались относительно первой таблицы, а уже загрузились полностью вне зависимости от наполненности данных. Что соответствует такому типу объединения кругов Эйлера как на рисунке 2:
Рисунок 2 Круги Эйлера соответствие с оператором Outher Join
Мы видим, что данные сохранились в полном объеме после загрузки. Глядя на круги Эйлера можно заранее понять какую связь можно получить, вставив то или иной оператор в скрипт и уже определить для какого случая какое объединение подойдет лучше.
Использованные источники: 1. Объединение таблиц [Электронный ресурс]. - Режим доступа: http://help.qHk.com/ru-
RU/qlikview/12.1/Subsystems/Client/Content/LoadData/concatenate-tables.htm -(Дата обращения: 29.05.2017).
2. Использование метода кругов Эйлера (диаграмм Эйлера-Венна) при решении задач в курсе информатики и ИКТ // Кулешова Ольга Владимировна, зам. д. по УВР, уч. инф./ [Электронный ресурс]. - Режим доступа: http://festival.1september.ru/articles/632635/- (Дата обращения: 29.05.2017).
УДК 004.852
Рыжкина Д.А. магистрант 1 курса кафедра «Бизнес-информатика» Уральский государственный экономический университет
Россия, г. Екатеринбург
ПРОГНОЗИРОВАНИЕ КОТИРОВОК АКЦИЙ КОМПАНИИ ЯНДЕКС
В СРЕДЕ FUZZYTECH
Аннотация: в данной статье будет наглядно представлен процесс обучения нечёткой модели в среде fuzzyTECH. В качестве входных данных буду взяты котировки акций компании Яндекс.
Ключевые слова: нейронные сети, нечёткая модель, компания Яндекс, акции компании Яндекс, нечёткая логика.
Ryzhkina AD, Graduate student 1 year, Department of Business Informatics Ural State University of Economics Russia, Yekaterinburg FORECASTING OF THE QUOTATION OF YANDEX COMPANY SHARES IN THE FUZZYTECH ENVIRONMENT
This article will clearly demonstrate the process of learning fuzzy models in the fuzzyTECH environment. As input, I will take stock quotes from Yandex.
Keywords: Neural networks, fuzzy model, Yandex company, Yandex shares, fuzzy logic.
На сегодняшний день в финансовой среде актуален вопрос прогнозирования котировок акций или котировок валют. Для чего же это нужно? В первую очередь, что бы получить финансовую выгоду, к примеру, на бирже. Все хотят знать, что их ждет при продаже или покупке валюты или акций. Прогнозирование строится на архивных данных. Но как же сделать прогноз? Есть множество сайтов платных и бесплатных. И множество программ. Давайте разберем пример в одной из них с помощью нейронных сетей. Выберем для исследования и прогнозирования программу fuzzyTECH.
Для начала берем данные по котировкам акций компании Яндекс с информационного сайта300 в период с 1 сентября 2015 года по 31 октября 2015 года. Перед созданием нечёткой модели в среде fuzzyTECH
300 Информационный сайт finanz.ru. [Электронный ресурс] - Режим доступа: http://www.finanz.ru.
