`
lizhuohuang
  • 浏览: 120671 次
  • 性别: Icon_minigender_1
  • 来自: 上海
社区版块
存档分类
最新评论

statistics 异常

 
阅读更多

imp gloryou_jngbs/gloryou~!@saasdb file=e:\xx.dmp full=y

 

报如下

由常规路径由 EXPORT:V11.02.00 创建的导出文件
已经完成 ZHS16GBK 字符集和 AL16UTF16 NCHAR 字符集中的导入
. 正在将 GLORYOU_JNGBS 的对象导入到 GLORYOU_JNGBS
. 正在将 GLORYOU_JNGBS 的对象导入到 GLORYOU_JNGBS
. . 正在导入表             "INDEX"导入了          78 行
IMP-00017: 由于 ORACLE 错误 6550, 以下语句失败:
 "DECLARE  SREC DBMS_STATS.STATREC; BEGIN SREC.MINVAL := '002F002F00400068006"
 "C005F0030003000300031003A002053D15E0356FE7247'; SREC.MAXVAL := '98769876987"
 "6'; SREC.EAVS := 4; SREC.CHVALS := DBMS_STATS.CHARARRAY(utl_raw.cast_to_var"
 "char2('002F002F00400068006C005F0030003000300031003A002053D15E0356FE7247'),u"
 "tl_raw.cast_to_varchar2('002F002F00400068006C005F00300031003A0020002F002F00"
 "400068006C005F'),utl_raw.cast_to_varchar2('002F002F00400068006C005F00300031"
 "003A002053D15E0356FE7247'),utl_raw.cast_to_varchar2('002F002F00400068006C00"
 "5F00300031003A002053D15E0356FE724700640073'),utl_raw.cast_to_varchar2('0034"
 "003400340034'),utl_raw.cast_to_varchar2('003500350035003500350035'),utl_raw"
 ".cast_to_varchar2('003C0069006D00670020007300720063003D0022002F00750075006C"
 "00610072'),utl_raw.cast_to_varchar2('00400068006C005F00300032003A0068006A00"
 "68006A00680068003300340034'),utl_raw.cast_to_varchar2('00640066006700640066"
 "00660066006600660066006600660066006600660066'),utl_raw.cast_to_varchar2('00"
 "6500650065'),utl_raw.cast_to_varchar2('007300640066007300640066007300640066"
 "'),'N蔣)Y)lN
?','RN玍G','R^鷭輼?,'S裗VG','榲榲榲'); SREC.NOVALS :"
 "= DBMS_STATS.NUMARRAY(953287797469329000000000000000000,9532877974693290000"
 "00000000000000,953287797469329000000000000000000,95328779746932900000000000"
 "0000000,1054701392855960000000000000000000,10749841119493500000000000000000"
 "00,1216977072659880000000000000000000,1298106401584750000000000000000000,20"
 "28272528322580000000000000000000,2048554628431770000000000000000000,2332508"
 "053402610000000000000000000,409103265808793000000000000000000000,4258962696"
 "81260000000000000000000000,426323492446770000000000000000000000,43520711134"
 "6454000000000000000000000,791634526214772000000000000000000000); SREC.BKVAL"
 "S := DBMS_STATS.NUMARRAY(8,9,10,11,13,16,18,19,21,22,25,26,29,34,36,38); SR"
 "EC.EPC := 16; DBMS_STATS.SET_COLUMN_STATS(NULL,'"INDEX"','"NOTE"
 ""', NULL ,NULL,NULL,17,.0131578947368421,2,srec,23,6); END;"
IMP-00003: 遇到 ORACLE 错误 6550
ORA-06550: 第 1 行, 第 28 列:
PLS-00103: 出现符号 "S裗"在需要下列之一时:
 ) , * & = - + < / > at in
   is mod remainder not rem => <an exponent (**)> <> or != or ~=
   >= <= <> and or like like2 like4 likec between || multiset
   member submultiset

 

找了相关资料,报的是统计信息的问题

 

 imp的时候,statistics=none 就可以了

 

 

 

分享到:
评论

相关推荐

    python-statistics:解决描述统计中的特定问题

    除了以上提到的库,`seaborn`和`matplotlib`等可视化库可以帮助我们直观地展示描述性统计结果,例如直方图、箱线图和小提琴图等,这些都是理解数据分布和异常值的有效手段。 在实际应用中,我们可能还需要处理缺失...

    SPSS Statistics 操作手册

    - **数据清洗**:提供了强大的数据清理功能,包括缺失值处理、异常值检测、变量转换等。 - **数据探索**:内置的数据探索工具可以帮助用户快速了解数据的基本结构和特征。 #### 四、SPSS Statistics 统计分析方法 -...

    Robust Statistics

    ### 坚固统计学(Robust Statistics) 坚固统计学是一种统计分析方法,它旨在提供在数据中存在异常值或偏离正态分布时仍然有效的估计和技术。本文章将概述坚固统计学的基本概念、方法及其应用。 #### 经典与坚固...

    Programming and Data Management for IBM SPSS Statistics 19

    - 描述了一种使用命令语法脚本自动执行数据清洗任务的方法,包括缺失值填充、异常值检测等。 - **案例二:跨数据集的复杂数据分析** - 展示了如何利用IBM SPSS Statistics的数据管理工具进行跨数据集的数据分析,...

    EXP-00091 Exporting questionable statistics

    5. **源码审查**:检查相关的数据库源码,确保没有异常操作影响了统计信息的维护。 6. **监控和调整**:持续监控数据库性能,并根据需要进行进一步的调整。 由于没有具体的博客内容和文档,以上分析基于一般经验和...

    Python for Probability, Statistics, and Machine Learning

    8. **数据预处理**:数据预处理是机器学习流程中的重要步骤,包括缺失值处理、异常值检测、特征缩放、编码和特征选择等。 9. **模型评估与调优**:学习如何使用交叉验证评估模型性能,以及如何通过调整超参数进行...

    spss statistics base 17.0用户指南

    - **Data Preparation**:提供数据清理工具,帮助用户识别异常值、处理缺失值等。 #### 五、法律声明与版权信息 - **版权归属**:SPSS Inc.拥有软件的所有权,其中包括SPSS Statistics 17.0在内的所有产品名称均为...

    Python实现非正太分布的异常值检测方式

    异常值检测是数据分析中的关键步骤,它有助于识别和处理数据集中的异常或离群值,这些异常值可能会影响后续分析的准确性和可靠性。在正态分布的数据中,常用的异常值检测方法是基于标准差,例如3σ原则。然而,当...

    statistics for business and economics

    具体操作可能包括去除异常值、填补缺失数据等。 #### 1.3 概率与统计推断(Probability and statistical inference) 概率论提供了处理不确定性问题的数学框架,而统计推断则是利用样本数据对总体参数进行估计和...

    Applied Multivariate Statistics with R

    这包括缺失值处理、异常值检测与处理、数据标准化和归一化等。 2. 探索性数据分析(EDA):在进行复杂的多元统计分析之前,需要对数据进行探索性分析,以了解数据的基本结构、分布特征和变量间的初步关系。 3. ...

    OpenIntro Statistics

    稳健统计是对传统统计方法的改进,旨在降低异常值对分析结果的影响。数据变换是一种常用的统计技术,可以转换数据的尺度,使其更适合进行统计分析。 在分类数据的考察中,教材讲述了列联表和条形图、行和列比例、...

    非参数统计2006 All of Nonparametric Statistics

    非参数方法在处理异常值、小样本以及数据类型多样化(如顺序数据、分类数据)时表现出色,因其灵活性而受到青睐。 ### 非参数统计的应用范围 非参数统计方法广泛应用于生命科学、社会科学、经济学、工程学等多个...

    The practice of statistics for AP exam (5版)

    - **比较异常值与特殊特征**:识别并分析数据中的异常值或特殊值,了解它们对整体分布的影响,该知识点在第1章第2节和第1章第3节中有详细阐述。 - **比较形状**:通过图形展示,可以直观看出不同数据集的分布形状...

    STATISTICS USING MATLAB

    1. MATLAB统计工具箱(MATLAB Statistics Toolbox) - 文件强调了在计算机实验室会大量使用MATLAB的统计工具箱。对于在数学和统计学院的PC中,所有计算机上都已安装了MATLAB软件和相应的统计工具箱,这说明了工具箱...

    [美国大学教材] 基础统计学 第十版 Elementary Statistics 10e

    - **数据清洗**:介绍如何识别和处理缺失值、异常值等问题,确保数据的质量。 - **数据可视化**:教授如何使用图表(如直方图、散点图、箱线图等)来直观展示数据,帮助更好地理解数据分布和关系。 ### 知识点四:...

    wp-statistics.rar

    4. 异常检测:实时监控异常访问,防范恶意攻击或机器人行为。 总结,WP Statistics作为一款强大的WordPress统计插件,不仅提供了丰富的数据分析,还具有高度的灵活性和可定制性。通过深入了解和有效利用这些数据,...

    对wine-reviews&oakland-crime-statistics数据集进行数据探索性分析与数据预处理

    本项目"对wine-reviews&oakland-crime-statistics数据集进行数据探索性分析与数据预处理"着重于这两方面,以提升模型的性能和准确性。我们将使用Python作为主要编程语言,因为Python提供了丰富的库和工具,如Pandas...

    Xu-Statistics_and_R

    - **异常处理**:通过`try()`和`tryCatch()`函数来捕获并处理程序运行过程中可能出现的错误。 - **字符串表达式与求值**:利用`parse(text="表达式")`和`eval(expression)`可以在运行时动态地解析和评估字符串形式的...

Global site tag (gtag.js) - Google Analytics