- 综合排序
- 最热优先
- 最新优先
- 来自专栏人生代码
Dune Analytics 简介
Dune Analytics 是一个强大的区块链研究工具。Dune 为您提供了从区块链查询、提取和可视化大量数据的所有工具。 Dune 正在通过让每个人都可以访问公共区块链数据来释放公共区块链数据的力量。本文档将帮助您回答以下问题： 尝试一下 按照尝试部分来了解沙丘。 在dune.xyz免费创建用户并设置基本配置文件 在浏览 Dune Analytics 时，它有助于更好地理解查询、可视化和仪表板。这些是充当您访问世界区块链信息的门户的基本构建块。 在幕后，Dune 将难以访问的数据转换为人类可读的表格。这些表使得编写从区块链中检索信息的 SQL 查询成为可能。Dune 还允许您访问其他用户的公开查询，以便您可以从他们停下来的地方继续。 可以通过以下几种方式开始运行查询： 使用 Dune Analytics抽象查询常用数据表。这是使用 Dune Analytics 的最简单和最常见的方法。
2.1K20发布于 2021-08-26 - 来自专栏深入浅出区块链技术
Dune Analytics入门教程(含示例)
用 Dune Analytics 来救你 Dune Analytics[3]可以大大简化此过程的工具。这是一个基于 Web 的平台，可使用简单的 SQL 查询从预先填充的数据库中查询以太坊数据。 来自区块的信息经过几分钟的延迟后便被解析并填充到 Dune 的数据库中。除了原始数据块和交易，Dune 还具有资产价格信息和专用表，例如 UNI 通证的所有持有地址。 现在，让我们熟悉如何使用 Dune，现在无需编写任何代码，之后再看一些 SQL 基础知识。 开始使用 Dune Analytics 打开帐户后，主页[4]将如下所示： ? 幸运的是，Dune 为大量资产提供了每分钟的价格数据。 Dune 的局限性 尽管 Dune 是一种超级强大的工具，但仍有一些错误和局限性值得一提。首先，当前仅可以查询事件，例如交易和转账。不能在某个特定区块查询区块链的状态。
6K10发布于 2020-11-30 - 来自专栏深入浅出区块链技术
干货：Dune Analytics 初学者完全指南
通过 Dune，你可以通过一个公共数据库近乎实时地访问区块链数据，你可以通过 Dune 的网站使用 SQL 查询。 这是一个很大的能力。 相反，你可以使用 Dune 的数据集浏览器来浏览数据集、特定的智能合约、事件或调用 随着 Dune最近宣布[4]他们的 V2 引擎，性能提高了 10 倍，现在是时候让你学习如何使用 Dune 了。 结束 第一部分：Dune 的概述和功能 当你第一次在 Dune.com 上打开 Dune 网站时，迎接你的是下面的窗口。 选择 Dune Engine V2 (Beta)可以让你使用 Dune 的最新改进，包括多链查询和 10 倍的性能提升。 Dune 引擎 V2（测试版)社区概述 数据集浏览器标签 在下面的插图中，你可以看到截至 Dune Engine V2 发布时，Dune 内部的数据汇总：四个主要的数据类别是原始区块链数据、解码项目、抽象和社区
2.2K20编辑于 2022-11-07 - 来自专栏生信宝典
画一个带统计检验的PCoA分析结果
library(vegan) data(dune) dim(dune) ## [1] 20 30 head(dune) ## Achimill Agrostol Airaprae Alopgeni (dune_dist, k=3, eig=T) dune_pcoa_points <- as.data.frame(dune_pcoa$points) sum_eig <- sum(dune_pcoa 1:3) dune_pcoa_result <- cbind(dune_pcoa_points, dune.env) head(dune_pcoa_result) ## PCoA1 # 基于bray-curtis距离进行计算 dune.div <- adonis2(dune ~ Management, data = dune.env, permutations = 999, method # 基于bray-curtis距离进行计算 set.seed(1) dune.div <- adonis2(dune ~ Management, data = dune.env, permutations
1.4K10编辑于 2022-01-18 - 来自专栏生信宝典
非度量多维排列 NMDS (Non-metric multidimensional scaling)分析
library(vegan) data("dune") data("dune.env") rownames(dune) <- paste0("Sample",1:nrow(dune)) # 已经做了转置 gof <- goodness(dune_nmds) plot(dune_nmds, type="t", main = "goodness of fit") points(dune_nmds, display dune_nmds_sample_result <- as.data.frame(scores(dune_nmds)) dune_nmds_sample_result$Sample <- rownames (dune_nmds_sample_result) dune_nmds_sample_result <- cbind(dune_nmds_sample_result, dune.env) dune_nmds_sample_result <- as.data.frame(scores(dune_nmds, "species")) dune_nmds_species_result$Species <- rownames(dune_nmds_species_result
6.6K40编辑于 2022-01-18 - 来自专栏生信宝典
一文学会PCA/PCoA相关统计检验(PERMANOVA)和可视化
library(vegan) data(dune) dim(dune) ## [1] 20 30 head(dune) ## Achimill Agrostol Airaprae Alopgeni # 计算加权bray-curtis距离 dune_dist <- vegdist(dune, method="bray", binary=F) dune_pcoa <- cmdscale(dune_dist <- cbind(dune_pcoa_points, dune.env) head(dune_pcoa_result) ## PCoA1 PCoA2 PCoA3 # 基于bray-curtis距离进行计算 set.seed(1) dune.div <- adonis2(dune ~ Management, data = dune.env, permutations library(vegan) data(dune) data(dune.env) # 基于bray-curtis距离进行计算 set.seed(1) dune.div <- adonis2(dune ~
11.6K74发布于 2021-10-11 - 来自专栏R语言交流中心
R语言实现PCOA分析
首先是数据的导入，我们利用vegan自带的数据dune。具体的数据集的构成大家可以直接在包的信息中去看。接下来我们首先基于dune数据构造距离矩阵，需要用到的函数vegdist。 Upper 是否显示对角线以上的值 library(vegan) data(dune) data(dune.env) dune.dist <- vegdist(dune)#构造距离矩阵。 ? <- with(dune.env, anosim(dune.dist, Management)) summary(dune.ano) ? plot(dune.ano) ? 至此，我们的PCOA的分析过程可以实现，那么如何优化我们输出的可视化图像，我们需要用到ggplot2这个包可以对我们的值进行更加友好的可视化。 直接看实例： library(ggplot2) P= dune.ano$signif R=round( dune.ano$statistic,3) data=res$vectors[,1:2] data
11.4K33发布于 2019-12-19 - 来自专栏日拱一兵
用SQL代替DSL查询ElasticSearch怎样？
1078185600000 Vernor Vinge |A Fire Upon the Deep|613 |707356800000 Frank Herbert |Dune Frank Herbert |Dune Messiah SELECT author, name, SCORE() FROM library WHERE MATCH('author^2,name^5 ', 'frank dune'); author | name | SCORE() ---------------+------------------ -+--------------- Frank Herbert |Dune |11.443176 Frank Herbert |Dune Messiah |9.446629 使用举例： SELECT SCORE(), * FROM library WHERE MATCH(name, 'dune') ORDER BY SCORE() DESC; SCORE()
2.1K20发布于 2020-09-22 - 来自专栏生信宝典
画一个带统计检验的PcOA分析结果 （再进一步，配对比较）
# The function returns adjusted p-values using p.adjust(). dune.pairwise.adonis <- pairwise.adonis( x=dune, factors=dune.env$Management, sim.function = "vegdist", sim.method = "bray", p.adjust.m = "BH", reduce = NULL, perm = 999) dune.pairwise.adonis ## pairs Df SumsOfSqs F.Model 3.423068 0.2755413 0.031 0.0620 拼一起画个图 library(ggpubr) library(patchwork) tab2 <- ggtexttable(dune.pairwise.adonis tab_add_hline(at.row = 1:2, row.side = "top", linewidth = 1) %>% tab_add_hline(at.row = nrow(dune.pairwise.adonis
1.8K00编辑于 2022-01-18 - 来自专栏生信宝典
你的adonis用对了吗？不同因素的顺序竟然对结果有很大影响
library(vegan) # 数据的解释和准备见前面的推文 data(dune) data(dune.env) A1在前，Moisture在后。 adonis(dune ~ A1 + Moisture, data=dune.env, permutations=9999) ## ## Call: ## adonis(formula = dune If it is not meaningful, the tests are hardly meaningful. adonis(dune ~ Moisture + A1, data=dune.env, permutations=9999) ## ## Call: ## adonis(formula = dune ~ Moisture + A1, data = dune.env, permutations adonis2(dune ~ Moisture + A1, data=dune.env, permutations=9999, by="margin") ## Permutation test for
3K20编辑于 2022-01-18 - 来自专栏架构专题
玩ElasticSearch，还得靠SQL
1078185600000 Vernor Vinge |A Fire Upon the Deep|613 |707356800000 Frank Herbert |Dune Frank Herbert |Dune Messiah SELECT author, name, SCORE() FROM library WHERE MATCH('author^2,name^5 ', 'frank dune'); author | name | SCORE() ---------------+------------------ -+--------------- Frank Herbert |Dune |11.443176 Frank Herbert |Dune Messiah |9.446629 使用举例： SELECT SCORE(), * FROM library WHERE MATCH(name, 'dune') ORDER BY SCORE() DESC; SCORE()
1.5K20发布于 2020-11-17 - 来自专栏猿天地
查询ElasticSearch：用SQL代替DSL
1078185600000 Vernor Vinge |A Fire Upon the Deep|613 |707356800000 Frank Herbert |Dune Frank Herbert |Dune Messiah SELECT author, name, SCORE() FROM library WHERE MATCH('author^2,name^5 ', 'frank dune'); author | name | SCORE() ---------------+------------------ -+--------------- Frank Herbert |Dune |11.443176 Frank Herbert |Dune Messiah |9.446629 使用举例： SELECT SCORE(), * FROM library WHERE MATCH(name, 'dune') ORDER BY SCORE() DESC; SCORE()
4K20发布于 2020-09-22 - 来自专栏生信宝典
Adonis结果P值小于0.05，一定代表两组样品物种构成差异显著吗？
library(vegan) data(dune) data(dune.env) # 基于bray-curtis距离进行计算 set.seed(1) dune.div <- adonis2(dune ~ Management, data = dune.env, permutations = 999, method="bray") dune.div ## Permutation test for adonis sequentially (first to last) ## Permutation: free ## Number of permutations: 999 ## ## adonis2(formula = dune ~ Management, data = dune.env, permutations = 999, method = "bray") ## Df SumOfSqs R2 # 计算加权bray-curtis距离 dune.dist <- vegdist(dune, method="bray", binary=F) # One measure of multivariate
2.5K10编辑于 2022-01-18 - 来自专栏写代码和思考
Redis 学习笔记4 - 数据结构的使用
Redis 没有这种复杂度的命令 1.2 多 Key 查询 假如说，一个用户叫 users:leto 的用户，他的 基本信息 有 '{"id": 9001, "email": "leto@dune.gov 示例： set users:leto@dune.gov '{"id": 9001, "email": "leto@dune.gov", ...}' set users:9001 '{"id": 9001 , "email": "leto@dune.gov", ...}' ", ...}' hset users:lookup:email leto@dune.gov 9001 那么，通过 id 获取 用户，我们可以用普通的 get: get users:9001 想要通过 email 来获取用户，我们用 hget 配合 get (Ruby): id = redis.hget('users:lookup:email', 'leto@dune.gov') user = redis.get
52730发布于 2020-04-02 - 来自专栏瓜农老梁
ES08# ElasticSearch中的SQL查询
Hyperion", "author": "Dan Simmons", "release_date": "1989-05-26", "page_count": 482} {"index":{"_id": "Dune "}} {"name": "Dune", "author": "Frank Herbert", "release_date": "1965-06-01", "page_count": 604} 备注： type": "datetime" } ], "rows": [ [ "Frank Herbert", "Dune type": "datetime" } ], "rows": [ [ "Frank Herbert", "Dune Corey" ], [ "Dune", "Leviathan Wakes" ], [
2.6K30编辑于 2022-06-23 - 来自专栏Rust语言学习交流
【Rust日报】2021-09-27 20W+行 Rust 构建的游戏居然这么好玩！
目前已发布 0.20 版本. github地址: https://github.com/rustls/rustls dune: 一个 Rust 写的 shell 如下图所示: github 地址: https ://github.com/adam-mcdaniel/dune SeaORM: 异步动态的 ORM SeaORM 是一个关系型 ORM,可以帮助你构建轻量的高并发的 web 服务.
85920发布于 2021-09-29 - 来自专栏性能与架构
Elasticsearch SQL
Hyperion", "author": "Dan Simmons", "release_date": "1989-05-26", "page_count": 482} {"index":{"_id": "Dune "}} {"name": "Dune", "author": "Frank Herbert", "release_date": "1965-06-01", "page_count": 604} ' （2
64111发布于 2018-08-01 - 来自专栏云深知网络 可编程P4君
Q4财报强劲只因Arista看到了趋势
思科这款明星产品居然已经弱冠之年 CrossBar依然 没能解决根本问题 出入配对毫无扩展性可言 于是基于Cell的CLOS架构出现 CELL成就了DUNE 也因此DUNE被博通重金收购 余部进入思科成就了
38420编辑于 2023-02-15 - 来自专栏GEE数据专栏，GEE学习专栏，GEE错误集等专栏
Google Earth Engine——USGS GAP CONUS 2011GAP/LANDFIRE国家陆地生态系统数据代表了美国本土、阿拉斯加、夏威夷和波多黎各的详细植被和土地覆盖分类。
Atlantic Coastal Plain Upland Longleaf Pine Woodland 12 #28922c Atlantic Coastal Plain Xeric River Dune #26ac00 East-Central Texas Plains Post Oak Savanna and Woodland 71 #26ac00 Lower Mississippi River Dune East Gulf Coastal Plain Dune and Coastal Grassland 374 #c99674 Great Lakes Dune 375 #c99674 Northern 377 #c99674 South Texas Dune and Coastal Grassland 378 #c99674 South Texas Sand Sheet Grassland 379 #c99674 Southwest Florida Dune and Coastal Grassland 380 #a58559 North Pacific Coastal Cliff and Bluff
27210编辑于 2024-02-02 - 来自专栏Ryan Miao
redis学习之二from github
Multi Key Queries），根据id或email查询user案例 首先，存储user： 127.0.0.1:6379> set users:9001 "{id:9001,email:leto@dune.gov OK 然后，根据id查询用户 127.0.0.1:6379> get users:9001 "{id:9001,email:leto@dune.gov,..}" 如果想要根据email来查询该怎么办呢，这里就要用散列数据结构： 127.0.0.1:6379> hset users:lookup:email leto@dune.gov 9001 (integer) 127.0.0.1:6379> hget users:lookup:email leto@dune.gov "9001" 127.0.0.1:6379> get users:9001 "{id:9001 ,email:leto@dune.gov,..}"
1.3K60发布于 2018-03-13
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