- 综合排序
- 最热优先
- 最新优先
- 来自专栏腾讯云费用中心
收支明细
收支明细简介收支明细用来记录您的账户每一笔资金的收入和支出的流水，包括入账和出账两种类型的流水。您可登录腾讯云官网，进入费用中心 > 收支明细 页面查询或下载自己的账户流水信息。 收支明细页面元素表格筛选选项图片交易时间：默认显示本月收支明细，可选择任意时间段收支明细。交易类型：默认为全部，可选择充值、退款、解冻、资金转入、垫付、提现、扣费、冻结、资金转出、垫付回款。 是否显示0元费用：默认不显示，可选择显示出0元费用明细。按已选交易类型汇总：汇总选定时间段内入账和出账总金额，及各项交易类型汇总金额。下载收支明细：单击下载，您可下载对应时间范围内的收支明细记录。 注意：收支明细记录账户资金收支变动，如需查询详细扣费信息（如子产品名称、资源计费详情等）请前往 明细账单 查看获取。入账(元)：本次交易入账金额，单位为“元”。 收支明细中不包含代金券金额和代付金额，账单中不包含代付金额。收支明细和账单对账时请使用现金支付和赠送金支付。
2.4K50编辑于 2022-06-06 - 来自专栏用户8950297的专栏
数据透视明细——小心，你可能露底了
小勤：大海，出事了，最近有个订单信息表汇总后发给其他部门，不知道为什么领导说我把所有明细都发出去了，然后狠狠的骂了我一顿，还好是公司内部的事情，要是发给了供应商或客户，就惨了。 小勤：当然是数据透视啊。这么好用。 大海：我看一下你发出去的文件。 小勤：你看，我做了数据透视后，把结果复制到一个新的文件里，然后发出去的。 大海：我知道了。你露底了。呵呵。 你直接把数据透视表发出去，忘了数据透视表是可以双击出明细的吗？ 小勤：啊！原来这样。但我已经复制到另一个工作簿了哦，还会这样啊！ 大海：对的，数据透视表直接复制粘贴出去是会带上所有明细，所以，你以后要给别人发汇总数据的话，一定要注意通过选择粘贴为值的方式。 其实复制完毕的时候你能看得出来里面带了所有数据的，因为数据透视表的所有字段显示在右边的“数据透视表字段”中，如果只是汇总结果的话，这些字段信息就不会再显示啦。 小勤：这个可真得注意了。
46230发布于 2021-08-30 - 来自专栏张叔叔讲互联网
基于用户行为明细数据的画像分析
行为明细数据包含五个要素：WHO、WHEN、WHERE、HOW、WHAT，明细数据记录了用户在什么时间点通过哪个功能模块以何种方式操作了什么内容。 行为明细数据大部分来自用户操作日志，经过大数据实时处理后存储到合适的数据存储引擎中，本节所有行为明细数据都存储到ClickHouse表中。 明细统计明细统计是对行为明细数据最直观的统计分析，页面分析和事件分析都属于明细统计的范围。1. 漏斗分析漏斗分析主要针对多步骤的流程并统计其中各步骤之间的转化和流失数据，此处的流程是根据实际业务场景制定的包含多个步骤且步骤间有明确先后关系的一种行为抽象，步骤在行为明细分析中主要指的是用户事件。 比如上述购买商品流程可以把时间窗口定义为3小时，那么当流程中第一个步骤发生后3小时内产生的其他行为才会被统计到漏斗分析结果中。
1.1K50编辑于 2023-10-26 - 来自专栏百味科研芝士
多数据库联合分析肾透明细胞癌免疫浸润轻松发3分+
今天和大家分享的是2020年3月发表在Journal of Cancer（IF：3.182）上的一篇文章，“The immune infiltration in clear cell Renal Cell Carcinoma and their clinical implications: A study based on TCGA and GEO databases”，作者使用GEO和TCGA数据集研究了肾透明细胞癌中免疫浸润细胞的情况 本篇文章中，作者用CIBERSORT网页工具研究了肾透明细胞癌（ccRCC）中的免疫浸润细胞及其临床意义。 二、 分析流程 ? （CIBERSORT筛选p<0.05的数据，得到418个包含总体生存率的病人数据，并且计算了中位TIICs亚群风险比HR和95%置信区间）（图3） 8个预后相关TIICs：静息和激活的树突状细胞，静息和激活的肥大细胞 局限性： 作者为了扩大样本量，结合了TCGA和GEO数据，但这样可能会影响结果的可重复性。其次，本篇文章结果是基于公共数据库和计算机算法完成的，因此结果的准确性仍需要进一步的实验来验证。
1.4K10发布于 2020-06-04 - 来自专栏源懒由码
pandas系列 - （一）明细数据汇总简单场景应用
系列第一篇为，处理明细业务数据的python应用。 大致流程为： 1、读取源数据 2、源数据预处理 3、源数据分类汇总 4、源数据分类归并汇总 1、场景1：从多个excel读取同类型明细数据，并合并 # 读取数据 list_df = [] list_df.append df.fillna(method='ffill',inplace=True) #向后填充 df.fillna(value={'地区':'其他','销售额':0},inplace=True) # 使用字典填充 3、 但是，这么汇总一个问题，作为报告还好，但是如果还需要继续分析，更希望是以明细的方式展现。 ','warn') df = pd.DataFrame({'Animal': ['Falcon', 'Falcon', 'Parrot', 'Parrot'],'Max Speed': [1, 2, 3,
1.5K10发布于 2020-10-27 - 来自专栏数据科学实战
AkShare-股票数据-大宗交易-每日明细
更新接口 "stock_dzjy_mrmx" # 大宗交易-每日明细 大宗交易 每日明细 接口: stock_dzjy_mrmx 目标地址: http://data.eastmoney.com/dzjy /dzjy_mrmxa.aspx 描述: 获取东方财富网-数据中心-大宗交易-每日明细 限量: 单次返回所有历史数据 输入参数 名称 类型 必选 描述 symbol str Y symbol='债券'; 国联证券泰州济川东路证券营业部 1 2 2020-12-04 000333 ... 0.000010 光大证券佛山顺德北滘怡福路证券营业部 华金证券广东分公司 2 3 2020-12-04 000333 ... 0.000005 机构专用 机构专用 3 4 2020-12-04 000338 2020-12-04 112115 ... 1031.7000 机构专用 机构专用 3 4 2020-12-04 112292 ..
1.1K10发布于 2020-12-08 - 来自专栏依乐祝
在.NET Core中使用MongoDB明细教程(3)：Skip, Sort, Limit, Projections
/yilezhu/p/13525942.html 英文地址：https://www.codementor.io/@pmbanugo/working-with-mongodb-in-net-part-3- 因此，如果我查询数据库中年龄小于40岁的学生，我会得到以下信息： S/N: 1 Id: 582489339798f091295b9094, FirstName: Gregor, LastName: LastName: Felix S/N: 2, Id: 582489339798f091295b9095, FirstName: Machiko, LastName: Elkberg Skip 如果我们想告诉数据库要跳过多少文档 因此，它类似于我们之前使用的代码，但是告诉数据库返回年龄小于40的所有代码，并跳过第一个。 FirstName: Machiko - LastName Elkberg 3. FirstName: Julie - LastName Sandal 4.
1.1K10发布于 2020-08-20 - 来自专栏用户8950297的专栏
数据透视表双击出的明细表很难用？
最近有朋友在使用数据透视表双击出明细的时候遇到2个问题： 1、生成的明细表自动带了筛选，怎么取消筛选？ 2、复制数据到生成的明细表后面时，怎么筛选按钮不起作用？ 首先，数据透视表双击出明细生成的就是一个标准化的“表格”（现网上也称为“超级表”），对于超级表的操作，如果你熟悉它，会觉得它非常好用， 如果不熟悉，你可能会觉得它没有Excel原来的普通表方便。 r=eyJrIjoiZDVhZDBlMTYtNDkzNC00YWFjLWFhMmMtMmI3NTk2Y2ZhMzc3IiwidCI6ImUxMTAyMjkxLTNkYzUtNDA1OC1iMDc3LWQ0YzU4YWJkMWRkOCIsImMiOjEwfQ %3D%3D （注意，因为公众号文章是不能直接通过点击的方式跳转到外部链接的，所以需要大家动手复制到浏览器中打开。）
3.5K30发布于 2021-08-30 - 来自专栏用户8950297的专栏
批量汇总多Excel表格 | 格式化表单转数据明细之3：可配置的映射关系
【本文内容需要前期基础知识准备较为充分，但是，当你充分理解并完成了本文的内容，这将变成一个通用的可配置的格式化表单数据转换工具，以后只需要根据实际表单的格式情况，做好映射表的配置，即可实现相应表单数据的转换 这个问题搞定了，就可以开始做数据的转换了。 小勤：但是有个问题啊，比如构造出来行标和列标了，但通过表里转换的列标是文本，在PQ里用跨表引用数据的方式好像不行呢。 大海：嗯。 2行内容为一个记录（Record），对应的代码为：s{1}，合并上面取索引的代码即为：s{映射表{[内容="年龄"]}[源表索引]} 3、根据源表列名（Column4）使用函数Record.Field从记录中提取数值 ），主要代码如下图红框所示（最后括号未被包含）： 最后，用大括号将提取的数据包裹起来，成为构造table的最终数据即可。 理解PQ里的数据结构（四、根据内容定位及筛选行）》的知识需要理解得比较透，所以为什么我在前期关于“理解PQ里的数据结构”部分反复强调其重要性。 小勤：嗯。借这个案例我也可以再加深一下理解。
1.3K20发布于 2021-08-31 - 来自专栏Excel疑难杂症
Excel 分组汇总后删除明细
有 Excel 数据如下所示：IDCriteria1Criteria2Criteria3Criteria4101210271239312381236123171826182918239182120182147 需要按 ID 分组汇总其余列，结果如下：IDCriteria1Criteria2Criteria3Criteria410121027123932561826939267解法及简要说明使用插件 SPL XLL groups(ID;sum(Criteria1):Criterial1,sum(Criteria2):Criterial2,sum(Criteria3):Criterial3,sum(Criteria4
32610编辑于 2024-05-11 - 来自专栏wujunmin
FineBI 富表格展示订单明细
这是Power BI制作的订单明细表： 这是FineBI模拟的结果： 两个BI原理相同，都是使用SVG矢量图实现支付方式、客户类型和客户满意度美化，细节略有区别。以下对FineBI实现过程展开说明。 新建数据分析主题，并上传订单数据： 新建组件，添加计算字段： 新建三个SVG字段，字段公式如下： "data:image/svg+xml;utf8,<svg xmlns='http://www.w<em>3</em>.org 12' fill='white'>"+ ${data_客户类型}+"</text></svg>" "data:image/svg+xml;utf8,<svgxmlns='http://www.w<em>3</em>. ,"data:image/svg+xml;utf8,<svgwidth='48'height='48'viewBox='0 0 48 48'fill='none'xmlns='http://www.w<em>3</em>. pathd='M16 21H12'stroke='Red'stroke-width='2'stroke-linecap='round'stroke-linejoin='round'/></svg>") 明细表数据区域拖入对应字段
25210编辑于 2025-12-24 - 来自专栏用户8950297的专栏
PQ-综合实战：格式化表单转数据明细之3：可配置的映射关系，你的数据你做主
【本文内容需要前期基础知识准备较为充分，但是，当你充分理解并完成了本文的内容，这将变成一个通用的可配置的格式化表单数据转换工具，以后只需要根据实际表单的格式情况，做好映射表的配置，即可实现相应表单数据的转换 这个问题搞定了，就可以开始做数据的转换了。 小勤：但是有个问题啊，比如构造出来行标和列标了，但通过表里转换的列标是文本，在PQ里用跨表引用数据的方式好像不行呢。 大海：嗯。 ： 接下来是通过“映射表[内容]”去找到每个表中要提取的数据。 2行内容为一个记录（Record），对应的代码为：s{1}，合并上面取索引的代码即为：s{映射表{[内容="年龄"]}[源表索引]} 3、根据源表列名（Column4）使用函数Record.Field从记录中提取数值 ），主要代码如下图红框所示（最后括号未被包含）： 最后，用大括号将提取的数据包裹起来，成为构造table的最终数据即可。
95740发布于 2021-08-30 - 来自专栏独立观察员博客
WPF 实现带明细的环形图表
：https://github.com/WPFDevelopersOrg/WPFDevelopers.Charts 大体思路 图表使用Arc+Popup实现； 图表分为两部分,一是环形部分,一是标注的明细部分 里的图形.用Blend建项- 目的话可以直接用,使用VS建项目需要添加引用 Microsoft.Expression.Drawing 在引用管理器=>程序集=>扩展 下(前提是已经安装了Blend)； 明细部分使用 这里取的是圆弧的中间)； 比较抱歉的是样式比较丑陋,忽略吧,重点看定位； 圆弧部分 Arc有两个重要的属性:StartAngle起始角度和EndAngle终结角度.这两个属性决定了圆弧占所在圆环的比例； 每一个数据项就对应一个圆弧 ,把所有圆弧都放到一个容器里,首尾相连； 数据项的总和为100,那么所有圆弧也就组成一个完整的圆环； Popup明细部分 明细部分分为四种,见图； 椭圆 从图可知,作为背景的椭圆分为两种情况,小于180 度,椭圆靠容器的右边对齐,大于180度,靠容器的左边对齐； 也就是代码的这部分； Ellipse ell = new Ellipse() { Fill = brush }； //中间点角度小于180 明细靠右显示
78210编辑于 2022-12-06 - 来自专栏用户8950297的专栏
多列数据转规范明细问题的4种解法！
昨天，视频交流群里有朋友在问，类似这个要将多列数据规范化问题，用Power Query怎么处理： 对于大多数的日常应用问题，我前期的文章基本都涉及到，所以，我直接给了文章的参考 ，具体链接为《多列数据归一化处理，不用写SQL，还能随数据增加一键刷新》。 于是我赶紧整理出来供大家参考，具体代码及配套数据下载链接见文末。 【莫等闲】解法 = Table.CombineColumns( 更改的类型, {"车型","姓名","车型2","姓名3","车型4","姓名5","车型6","姓名7"}, 配套数据下载链接 https://share.weiyun.com/5FDBf8k
1K10发布于 2021-08-30 - 来自专栏张家辉的树屋
h5-capture 使用和明细
URL.revokeObjectURL(imgURL); }; img.src = imgURL; document.body.appendChild(img); } 复制代码 引用 www.w3.
1.7K30发布于 2021-02-02 - 来自专栏Python小屋
Python统计Excel文件中超市营业额明细数据
已知文件“超市营业额.xlsx”中记录了某超市2019年3月1日至5日各员工在不同时段、不同柜台的销售额。部分数据如图所示： ? 要求编写程序，读取该文件中的数据，并统计每个员工的销售总额、每个时段的销售总额、每个柜台的销售总额。 参考代码： ? 运行结果： ?
3.6K40发布于 2019-05-05 - 来自专栏数据科学实战
AkShare-股票数据-龙虎榜-机构席位成交明细
作者寄语 新增 龙虎榜-机构席位成交明细 数据接口 更新接口 "stock_sina_lhb_jgmx" # 龙虎榜-机构席位成交明细 龙虎榜-机构席位成交明细 接口: stock_sina_lhb_jgmx : http://vip.stock.finance.sina.com.cn/q/go.php/vLHBData/kind/jgzz/index.phtml 描述: 获取新浪财经-龙虎榜-机构席位成交明细 限量: 单次返回所有历史数据 输入参数 名称 类型 必选 描述 - - - - 输出参数 名称 类型 默认显示 描述 股票代码 str Y - 股票名称 str Y - 交易日期 str Y - 机构席位买入额 import akshare as ak stock_sina_lhb_jgmx_df = ak.stock_sina_lhb_jgmx() print(stock_sina_lhb_jgmx_df) 数据示例 涨幅偏离值达7%的证券 3 600175 ...
1.1K20发布于 2020-08-07 - 来自专栏wujunmin
Power BI 卡片图添加TopN明细
平铺式Top3使用了新卡片图的引用标签功能（需要Power BI Desktop 2023年11月及以后的版本）。 将三个名次显示的内容添加到卡片图的引用标签（不了解引用标签参考Power BI 新功能：卡片图引用标签初探）： 把标签的标题改为#1#2#3，并对字体进行加粗和倾斜： 下图的效果即完成： 123如何加圆圈
62731编辑于 2023-12-15 - 来自专栏用户8186044的专栏
ERP中如何查询供应商明细
对于应付会计，除了录入发票凭证外，分析供应商明细也是重要的日常工作。供应商开票明细有哪些？支付明细有哪些？尚未支付的款项有哪些？这在同供应商对账，或编制付款计划时有重要的意义。 普通项目：查看应付账款明细。 特别总账业务：查看预付账款、应付票据、其他应付款等明细项。 注释项目：查看备注项，即无余额更新的凭证明细。 预制项目：查看预制的明细。 客户项目：查看供应商对应客户的明细项。 输出清单：选择报表输出的格式。 根据如上条件，报表输出结果如下，显示内容为尚未支付的发票明细。 此报表为SAP标准ALV输出，可以对数据进行加工，如排序、汇总、分类小计等。双击如上凭证行，可以查看详细的凭证行信息。 点击概览图标可查看完整凭证如下， 点击抬头图标可以查看其对应的原始凭证参考。 以上查询的是供应商未清发票明细，接下来按如下条件查看供应商已清明细。 报表输出如下， 凭证行的状态为绿色，表示已经清账，可以理解为款项已支付。
3K10发布于 2021-04-08 完美应对千亿级明细数据计算：Aloudata CAN 双引擎架构详解
这种“基于明细数据，定义即开发”的模式，最大程度地保障了指标口径的语义一致性，并赋予了业务人员最大的分析自由度。为了支撑这一理念，Aloudata CAN 构建了强大的语义解析引擎。 业务部门开始依赖长周期的复杂明细计算来辅助决策，例如，零售企业需要基于过去两到三年的交易明细，计算特定人群的生命周期价值（LTV）；金融机构需要回溯海量流水数据，进行跨周期的风险因子归因。 场景背景：客户要求基于过去两年的全量交易明细数据（规模达千亿级），计算包括“客单价 52 周同环比”、“订单数 52 周同环比”等在内的 28 个核心指标和 17 个复杂维度。 系统能够自动切分 Tablet 并行拉取，极大降低了序列化开销，确保海量明细数据的秒级吞吐。3. 3. 开放与兼容系统默认支持将结果写回 Doris 内表以提供最佳查询性能，但我们同样支持 Hive Metastore 和 Iceberg。
15710编辑于 2026-01-15
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号