知识卡片
去重地址数不能推出每封均值
distinct得到不同地址的数量,不能由收件地址总数与发件地址总数的比值推出每封邮件平均几人。后者应逐封定义To/Cc/Bcc计数及去重规则,再按邮件数求平均;单个地址可出现很多次,群发也可包含重复,分子分母不是同一观察单位。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- · 查看原书依据
每封邮件发给了3个人,其中很大一部分是抄送(CC)和密送(BCC)。所以下一步就是过滤数据并使用基本的集合(set)操作(http://bit.ly/1a1l2Sw)(第1章中有所介绍),使用不同的规则的组合来决定哪些数据是重复的。我们只需要将每个特殊值的列表投影到集合上,这样我们就能使用不同类型的集合操作(http://bit.ly/1a1nxo2)了,包
参考来源
- 位置:《社交网站的数据挖掘与分析(原书第2版)》第6章《6.3.2 发件人/收件人通信的分析模式》(spine103;extracted/OReilly精品图书系列共21册(《Javascript权威指南》、《机器学习:实用案例解析》、《编写可读代码的艺术》、《算法精解》等)/_epub-src/text/part0092.html;u097-ch06-024)。
- 结论依据:原文在“每封邮件发给了3个人”附近的定义、例子或代码支撑本卡核心说明:distinct得到不同地址的数量,不能由收件地址总数与发件地址总数的比值推出每封邮件平均几人。边界按已读前提解释;示例未执行。
- 原始内容:每封邮件发给了3个人,其中很大一部分是抄送(CC)和密送(BCC)。所以下一步就是过滤数据并使用基本的集合(set)操作(http://bit.ly/1a1l2Sw)(第1章中有所介绍),使用不同的规则的组合来决定哪些数据是重复的。我们只需要将每个特殊值的列表投影到集合上,这样我们就能使用不同类型的集合操作(http://bit.ly/1a1nxo2)了,包