如何将大量表格数据拆分为较小的相关表格？ （不是数据库问题）

时间：2011-05-11 20:45:15

标签： vb.net algorithm math scripting

我真的希望我能以一种可以理解的方式描述这个问题。这是一个我无法开始解决的难题，即使我（大多数）理解它。我只是不确定从哪里开始，我真的希望有人可以让我朝着正确的方向前进。

我有一个大数据表。它描述了对象之间的关系。假设Y轴具有编号为1-1000的项目，并且X轴也具有项目1-1000。如果Y轴上的项目＃234与X上的项目＃791相关，则表格中将有一个标记，其中行和列交叉。在某些行业中，这被称为真值表。人们可以一眼就看出系统中有多少项相互关联。表中的标记有助于识别趋势和模式。

这里有一些关于桌子性质的其他有用的东西：

  • 任一轴上每个项目的关系数（r）的完整范围可以是1＆lt; = r＆lt; = axisTotal。
  • X和Y轴将共享公共项目，但每个轴也将包含另一个轴不具有的项目。
  • 每个项目每个轴只存在一次。它可以在X和Y上，但它只会在每次一次。
  • 每个轴上的项目总数很可能不相等。每个轴可以有50到1000个项目。

最终结果是这将是一份需要打印的报告。我们已经成功地在11英寸X 17英寸纸上打印了一张桌子，每个轴上有大约100-150个项目。除此之外，它开始变得如此之小，以至于它不可读。

我想要做的是将超大表拆分成更小的表，但相关点需要保持在一起。如果我在X上抓取项目1-100，那么我需要与Y相关的每个项目。

我已经生成了许多这些表格，虽然关系数量可以是任意的，但我从未见过某个项目与所有其他项目有关。因此在实际操作中，范围更像是1＆lt; = r＆lt; =（10％* axisTotal）。如果某个项目的关系超出此范围，则可以将其拆分为多个表格，但这根本不是最优的。

在一天结束时，我认为如果1000x1000项目表分成8到10个较小的相关表格的打印页面，我们和我们的客户会很高兴。

任何指导都会有很大的帮助！感谢。

--- --- EDIT 另外值得注意的是，表中没有空行或列。 x轴和y轴上的每个项目都与相反轴上的至少一个项目相关。

--- --- EDIT 这是我正在描述的一个小真值表的示例：Example Truth Table。每行和每列至少有一个关系。

--- --- EDIT 2011年5月18日 对于它的价值，我在这个项目上的表现相当不错，我被拉了几个星期。所以在我回到这个问题之前会有一段时间。但这是我必须尽快解决的问题。

--- --- EDIT 2011年7月11日 游民。好吧，看起来我现在无法解决这个问题。我真的希望能够弄明白这一点。通过讨论，我们决定在Excel电子表格中将真值表作为主报表的附加资源。 Excel 2007及更高版本将处理1000多列，这些就足够了。另外，我们添加了一些VBA，允许观众双击列标题。此操作会将行减少到仅存在交互的行。然后它删除空列。通过这种方式，他们可以根据他们想要查看的项目查看一个小的子表，并可以根据需要进行打印。

2 个答案:

答案 0 :(得分：1)

这不是一个答案，我只想尝试更好地可视化您的数据。它看起来像这样吗？

        Alice  Bob  Charlie ... Zelda
Shoes     X            X
Hats            X                 X
Gloves                 X
...
Pants           X

修改

是否需要以表格格式显示数据？或者你可以列出每一个？类似的东西：

  • 翘
    • 鞋
  • 鲍勃
    • 帽子
    • 裤子
  • 查理
    • 鞋
    • 手套
  • 塞尔达
    • 帽子

或者另一种方式：

  • 鞋类
    • 爱丽丝
    • 查理
  • 帽子
    • 鲍勃
    • 塞尔达
  • 手套
    • 查理
  • 裤子
    • 鲍勃

编辑2

好的，我已经制作了另一个更大的真值表，希望能更好地理解你想要如何分解：

   A B C D E F G H I J K L M N O P Q R S T U V W X Y Z
 1 x   x     x                             x
 2   x x     x             x         x     x
 3 x               x             x             x
 4         x             x     x
 5   x           x                 x
 6               x             x           x
 7   x             x             x
 8         x               x               x

为了论证，我们只能说你只能在页面上放4行（因为我不想在早上打出一张巨大的表格），所以我们将把它分成两页。首先，显示每一行都很重要，对吧？其次，您是否需要显示从不具有值的列。例如，Y和Z在此表中从不拥有第1行到第8行的值，它们是否可以从报告中排除，还是仍然需要存在？第三，行的顺序是否重要？

如果显示完全空列并不重要，那么我们可以从上表中删除10列并将其压缩到：

   A B C E F H I L M O P Q R U V W
 1 x   x   x                 x
 2   x x   x       x       x x
 3 x           x       x         x
 4       x       x   x
 5   x       x           x
 6           x       x       x
 7   x         x       x
 8       x         x         x

然后，如果行顺序不重要，您可以通过采用最佳行排列（此处未必显示）进一步压缩它。下面的两个表格进一步压缩为11和10列：

  A B C F H I M P Q R U
1 x   x x             x
2   x x x     x     x x
5   x     x       x
7   x       x   x

  A E H I L M O P U W
3 x     x       x   x
4   x     x   x
6     x       x   x
8   x       x     x

我在这里走错了路吗？这些都是帮助我更好地理解您的数据和输出要求的问题。

另外，严肃地说，是否可以选择更大的打印机/绘图仪？此外，是否可以选择仅生成PDF并使用Acrobat的打印磁贴选项？

答案 1 :(得分：0)

去年我在计算生物学PLoS期刊（www.ploscompbiol.org）上阅读了一篇与您的问题相关的文章。

简而言之，它描述了一种新的方法，当我们已经拥有一组关于它们的一对一交互的蛋白质和表格数据时，我们想要对它们进行分组，以便组内的交互和两组之间的交互是最大化或（这是创新的想法）最小化。

如果我们绘制起始数据表，黑色表示高，白色表示低相互作用，它看起来是随机灰色的。完成计算和重新排列后的结果表（因此分组项目彼此靠近）看起来更像是黑白交叉区域。

文章： Protein Interaction Networks—More Than Mere Modules ，

其中还引用了其他旧技术来分组此类数据。

相关问题
最新问题