[b]搜尋api[/b]
get /bank/_search?q=*&sort=account_number:asc&pretty
rest方式搜尋bank索引下的所有資料，並且按照account_number 上公升方式返回
類似下面的搜尋方式
get /bank/_search
body為：
},"sort": }
[b]初步學習搜尋語言[/b]
下面的搜尋全部文件，按照balance降序排列，並返回11到20的文件，from的位置開始，size個文件
get /bank/_search
},"sort": }
"from": 10,
"size": 10
}[b]執行搜尋[/b]
當不需要所有欄位都返回的時候可以使用如下方式_source，定義了只返回兩個字段
get /bank/_search
},"_source": ["account_number", "balance"]
}如果我們希望根據某個條件進行搜尋可以使用match欄位：
如下搜尋account_number 為 20的文件
get /bank/_search }}
如下搜尋address包含「mill」的文件
get /bank/_search }}
如下搜尋address包含「mill」或者包含「lane」的文件
get /bank/_search }}
如下搜尋address包含短語「mill lane」的文件
get /bank/_search }}
bool 搜尋可以組合小的搜尋到乙個大搜尋中
如下搜尋address包含mill和lane的文件
get /bank/_search
}, }]}
}}（must代表必須滿足的意思）
相反，如下搜尋address包含mill或者lane的文件
get /bank/_search
}, }]}
}}（should代表任何乙個條件滿足即可）
如下搜尋address既不包括mill又不包括lane的文件
get /bank/_search
}, }]}
}}（must_not 代表排除的意思）
以上的三種型別可以合併使用
如下搜尋age為40且state不是id的文件
get /bank/_search
}],"must_not": [ }]
}}}[b]執行過濾[/b]
filter執行過濾（其實就是對非string的進行區間搜尋過濾）
如果搜尋20000<=blance && blance<=30000的文件
get /bank/_search
},"filter": }}
}}}[b]執行聚合[/b]
如下根據欄位state聚合查詢每種型別的數量（預設按照降序排列，返回前10條記錄類似sql：select state, count(*) from bank group by state order by count(*) desc）
get /bank/_search}}
}(注意：設定size為0是因為我們不想看到hit的資訊)
如下在上面的基礎上，我們想要知道blance的平均值
get /bank/_search
,"aggs": }}
}}}在上面的基礎上，我們希望按照平均值降序排列
get /bank/_search
},"aggs": }}
}}}如下我們先根據年齡，然後根據性別，然後求出balance的平均值
get /bank/_search,,
]},"aggs": ,
"aggs": }}
}}}}
}
入門NLP task2 資料探索
真的沒有 非結構化資料的資料探索不像結構化資料，結構化資料可以通過資料探索得到很多有用的資訊，非結構化資料的資料探索得到的資訊有限。僅僅能夠得到字元出現的頻率 次數，新聞的長度等等 先觀察新聞長度train df text len train df text lambda x len x.split...
ELF檔案資料布局探索 1
作為一名linux小白，第一次看到a.out這個名字，感覺實在是奇怪，搜了一下才知道這是編譯器輸出的預設可執行檔名 順便看到了readelf這條命令，就讀了一下這個檔案，發現這裡邊好多東西都不懂，後來在學習linux的過程中漸漸明白了 一部分，前幾天剛好跟同學說到了關於elf檔案資料布局的問題，今天...
Stylet框架探索（1）
一開始做mvvm的程式時，就知道有現成的框架，但個人並沒有使用。做著做著就發現mvvm模式有乙個最大的問題 量遠遠超出了不用mvvm模式做的程式。這些 感覺就是一些重複的 但又沒辦法省略。後來終於知道，原來框架就能解決這個問題。stylet是一款很輕量卻功能強大的wpf mvvm框架，了解了一下，感...