我有两种模式:报告和用户。这就是我的用户模型中的内容
public function userReport() {
return $this->hasMany('App\Report', 'user_id','id');
}
这是在报告模型中
public function user() {
return $this->hasOne('App\User', 'id', 'user_id');
}
控制器
public function details( $item_id ){
$report = Item::find($item_id)->report;
return view('details', compact('report'));
}
在视图中
{!! $report->user->name !!}
在视图中,我显示了报告单个项目的所有用户..我按$item_id
查询。
问题是,如果同一用户报告单项1+时间,我会在页面上的表格中看到此用户1次以上。
是否有可能以某种方式按user_id分组或计算user_id并显示User1 ( 4 time reported )
...?我应该把它们分组在哪里?
更新:用户表
id | username | password
报告表
report_id | id | user_id | date
项目表
id | user_id | category | date_added | image
Update2 :db中记录的图像。此处user_id=3
的用户报告item_id=14
总共14次。使用user_id=5
的用户报告的item_id=14
共计3次。我应该在页面user_id=3 ( 14 )
和user_id=3 ( 3 )
上看到。相反,我看到17次user_id=3
。贝娄是图像
在页面上
答案 0 :(得分:1)
如何解决问题应该有几种方法
一种方法是(你的控制器看起来像)
batch_size = int(data_num_.shape[0]/10)
original_dim = data_num_.shape[1]
latent_dim = data_num_.shape[1]*2
intermediate_dim = data_num_.shape[1]*10
nb_epoch = 10
epsilon_std = 0.001
data_untrain = data_scale.transform(df[(df['label']==cluster_num)&(df['prob']<threshold)].iloc[:,:data_num.shape[1]].values)
data_untrain_num = (int(data_untrain.shape[0]/batch_size)-1)*batch_size
data_untrain = data_untrain[:data_untrain_num,:]
x = Input(batch_shape=(batch_size, original_dim))
init_drop = Dropout(0.2, input_shape=(original_dim,))(x)
h = Dense(intermediate_dim, activation='relu')(init_drop)
z_mean = Dense(latent_dim)(h)
z_log_var = Dense(latent_dim)(h)
def sampling(args):
z_mean, z_log_var = args
epsilon = K.random_normal(shape=(batch_size, latent_dim), mean=0.,
std=epsilon_std)
return z_mean + K.exp(z_log_var / 2) * epsilon
z = Lambda(sampling, output_shape=(latent_dim,))([z_mean, z_log_var])
decoder_h = Dense(intermediate_dim, activation='relu')
decoder_mean = Dense(original_dim, activation='linear')
h_decoded = decoder_h(z)
x_decoded_mean = decoder_mean(h_decoded)
def vae_loss(x, x_decoded_mean):
xent_loss = original_dim * objectives.mae(x, x_decoded_mean)
kl_loss = - 0.5 * K.sum(1 + z_log_var - K.square(z_mean) - K.exp(z_log_var), axis=-1)
return xent_loss + kl_loss
vae = Model(x, x_decoded_mean)
vae.compile(optimizer=Adam(lr=0.01), loss=vae_loss)
train_ratio = 0.9
train_num = int(data_num_.shape[0]*train_ratio/batch_size)*batch_size
test_num = int(data_num_.shape[0]*(1-train_ratio)/batch_size)*batch_size
x_train = data_num_[:train_num,:]
x_test = data_num_[-test_num:,:]
vae.fit(x_train, x_train,
shuffle=True,
nb_epoch=nb_epoch,
batch_size=batch_size,
validation_data=(x_test, x_test))
# build a model to project inputs on the latent space
encoder = Model(x, z_mean)
x_test_predict = data_scale_.inverse_transform(vae.predict(x_test, batch_size=1))
x_test = data_scale_.inverse_transform(x_test)
for idx in range(x_test.shape[1]):
plt.plot(x_test[:,idx], alpha=0.3, color='red')
plt.plot(x_test_predict[:,idx], alpha=0.3, color='blue')
plt.show()
plt.close()
第二种方式应该是在视图中使用public function details( $item_id ){
$report = Item::find($item_id)->report->unique('user_id');
return view('details', compact('report'));
}
并检查唯一值。
第三种方法应该是在控制器中使用@foreach
并使用控制器内的计算摘要准备唯一数据,然后将准备好的数据传递给查看。
您想要使用哪种解决方案只是一个选择问题。
希望它可以帮到你
答案 1 :(得分:1)
试试吧。希望它有所帮助
Report::where('item.id', $item_id)
->select('item.*','users.*',DB::raw('count(reports.report_id) as total'))
->join('item', 'item.id', '=', 'reports.id')
->join('users', 'users.id', '=', 'reports.user_id')
->groupBy('reports.report_id','reports.id')
->get();