Neue Regel Filter für die 4 Methoden! Datenfelder (Die Collect-Funktion richtig anwenden und Daten in einer JSON-Liste anordnen)

Hallo,
Ich benötige eine Regel, die mir aus den 4 Datenfeldern DATA_cdu_csu_fdp_grüne_markets, DATA_cdu_csu_fdp_grüne_models, DATA_cdu_csu_fdp_grüne_experts, DATA_cdu_csu_fdp_grüne_polls einmal den höchsten und eimal den niedrigsten Wert innerhalb der 4 Datenfelder filtert und eine für die Datenfelder DATA_cdu_csu_spd_markets, DATA_cdu_csu_spd_models, DATA_cdu_csu_spd_experts, DATA_cdu_csu_spd_polls genauso. Kann mir jemand helfen ? Danke

Mein Projekt heißt Project:1447 Projekt mit Synonymen Kanzlerfrage

Hi!

Kannst du bitte ein Wenig mehr informationen zu deinem Training posten? Datengrundlage, die Properties um die es geht…

Hi Lennart. Die Methode dafür ist in den Kursen Sonntagsfrage 1 und Sonntagsfrage 2 ausführlich beschreiben. Versuche anhand des ATML3 Debugs einmal nachzuvollziehen, was mit deinen Datenfeldern auf der Strecke zwischen LIST_Parteien und MAX_Partei genau passiert, und diese Methode auf dein aktuelles Problem zu übertragen.

LG

Atm3Debug

{
“properties”: {
“DATA_id”: {},
“DATA_afd”: {},
“DATA_fdp”: {},
“DATA_spd”: {},
“DATA_Datum”: {},
“DATA_key_0”: {},
“DATA_key_1”: {},
“DATA_key_2”: {},
“DATA_key_3”: {},
“DATA_key_4”: {},
“DATA_key_5”: {},
“DATA_key_6”: {},
“DATA_key_7”: {},
“DATA_key_8”: {},
“DATA_key_9”: {},
“DATA_linke”: {},
“DATA_summe”: {},
“MAX_Partei”: {},
“MIN_Partei”: {},
“DATA_gruene”: {},
“DATA_cdu_csu”: {},
“DATA_piraten”: {},
“DATA_spd_fdp”: {},
“DATA_end_date”: {},
“DATA_sonstige”: {},
“MAX_Koalition”: {},
“MIN_Koalition”: {},
“DATA_afd_polls”: {},
“DATA_fdp_polls”: {},
“DATA_spd_linke”: {},
“DATA_spd_polls”: {},
“DATA_afd_models”: {},
“DATA_fdp_models”: {},
“DATA_spd_gruene”: {},
“DATA_spd_models”: {},
“DATA_start_date”: {},
“DATA_survey_org”: {},
“MAX_Partei_Name”: {},
“MAX_Partei_Wert”: {},
“MIN_Partei_Name”: {},
“MIN_Partei_Wert”: {},
“DATA_afd_experts”: {},
“DATA_afd_markets”: {},
“DATA_cdu_csu_fdp”: {
“truth-value”: “True”,
“mapping-value”: 44.8,
“vocabularies”: [
{
“noun”: “44,8”,
“adjective”: “”,
“headnoun”: “”
}
]
},
“DATA_cdu_csu_spd”: {
“truth-value”: “True”,
“mapping-value”: 65.3,
“vocabularies”: [
{
“noun”: “65,3”,
“adjective”: “”,
“headnoun”: “”
}
]
},
“DATA_fdp_experts”: {},
“DATA_fdp_markets”: {},
“DATA_grune_polls”: {},
“DATA_linke_polls”: {},
“DATA_sample_size”: {},
“DATA_spd_cdu_csu”: {},
“DATA_spd_experts”: {},
“DATA_spd_markets”: {},
“LIST_Koalitionen”: {},
“MAX_Partei_Polls”: {},
“DATA_gruene_polls”: {},
“DATA_grune_models”: {},
“DATA_linke_models”: {},
“MAX_Partei_Models”: {},
“MAX_Partei_Phrase”: {},
“MIN_Partei_Phrase”: {},
“DATA_afd_pollyvote”: {},
“DATA_cdu_csu_polls”: {
“truth-value”: “True”,
“mapping-value”: “39,4”,
“vocabularies”: [
{
“noun”: “39,4”,
“adjective”: “”,
“headnoun”: “”
}
]
},
“DATA_fdp_pollyvote”: {},
“DATA_freie_waehler”: {},
“DATA_gruene_models”: {},
“DATA_grune_experts”: {},
“DATA_grune_markets”: {},
“DATA_linke_experts”: {},
“DATA_linke_markets”: {},
“DATA_spd_linke_fdp”: {},
“DATA_spd_pollyvote”: {},
“MAX_Koalition_High”: {},
“MAX_Koalition_Name”: {},
“MAX_Koalition_Wert”: {},
“MAX_Partei_Experts”: {},
“MAX_Partei_Markets”: {},
“MIN_Koalition_Name”: {},
“MIN_Koalition_Wert”: {},
“DATA_cdu_csu_gruene”: {
“truth-value”: “True”,
“mapping-value”: 48.9,
“vocabularies”: [
{
“noun”: “48,9”,
“adjective”: “”,
“headnoun”: “”
}
]
},
“DATA_cdu_csu_models”: {
“truth-value”: “True”,
“mapping-value”: “40,7”,
“vocabularies”: [
{
“noun”: “40,7”,
“adjective”: “”,
“headnoun”: “”
}
]
},
“DATA_gruene_experts”: {},
“DATA_gruene_markets”: {},
“DATA_sonstige_polls”: {},
“DATA_spd_gruene_fdp”: {},
“GROUP_Other_Parties”: {},
“DATA_cdu_csu_experts”: {},
“DATA_cdu_csu_markets”: {},
“DATA_coal_survey_org”: {},
“DATA_grune_pollyvote”: {},
“DATA_linke_pollyvote”: {},
“DATA_sonstige_models”: {},
“MAX_Partei_Pollyvote”: {},
“DATA_gruene_pollyvote”: {},
“DATA_publication_date”: {},
“DATA_sonstige_experts”: {},
“DATA_sonstige_markets”: {},
“DATA_spd_linke_gruene”: {
“truth-value”: “True”,
“mapping-value”: 44.6,
“vocabularies”: [
{
“noun”: “44,6”,
“adjective”: “”,
“headnoun”: “”
}
]
},
“LIST_Parteien_unter_5”: {},
“MAX_Partei_Name_Polls”: {},
“MAX_Partei_Wert_Polls”: {},
“VOC_Gesamtstimmanteil”: {},
“DATA_cdu_csu_pollyvote”: {},
“GROUP_Parteien_unter_5”: {},
“MAX2_Partei_Name_Polls”: {},
“MAX2_Partei_Wert_Polls”: {},
“MAX_Koalition_Nickname”: {},
“MAX_Partei_Name_Models”: {},
“MAX_Partei_Wert_Models”: {},
“DATA_cdu_csu_fdp_gruene”: {
“truth-value”: “True”,
“mapping-value”: 54.7,
“vocabularies”: [
{
“noun”: “54,7”,
“adjective”: “”,
“headnoun”: “”
}
]
},
“DATA_sonstige_pollyvote”: {},
“LIST_Sortierte_Parteien”: {},
“MAX2_Partei_Name_Models”: {},
“MAX2_Partei_Wert_Models”: {},
“MAX_Partei_Name_Experts”: {},
“MAX_Partei_Name_Markets”: {},
“MAX_Partei_Wert_Experts”: {},
“MAX_Partei_Wert_Markets”: {},
“AX_Partei_Wert_corrected”: {},
“DATA_no_of_expert_groups”: {},
“LIST_Gefilterte_Parteien”: {},
“MAX2_Partei_Name_Experts”: {},
“MAX2_Partei_Name_Markets”: {},
“MAX2_Partei_Wert_Experts”: {},
“MAX2_Partei_Wert_Markets”: {},
“DUMMY_missing_from_import”: {},
“MAX_Koalition_Stimmanteil”: {},
“MAX_Partei_Name_Pollyvote”: {},
“MAX_Partei_Wert_Pollyvote”: {},
“MIN_Partei_Wert_corrected”: {},
“LIST_sortierte_Koalitionen”: {},
“MAX2_Partei_Name_Pollyvote”: {},
“MAX2_Partei_Wert_Pollyvote”: {},
“LIST_gefilterte_Koalitionen”: {},
“MAX_Partei_regierungsfähig”: {},
“MAX_Partei_Kanzlername_Polls”: {},
“LIST_Sortierte_Parteien_Polls”: {},
“LIST_Gefilterte_Parteien_Polls”: {},
“LIST_Sortierte_Parteien_Models”: {},
“LIST_Gefilterte_Parteien_Models”: {},
“LIST_Parteien_unter_5_Pollyvote”: {},
“LIST_Sortierte_Parteien_Experts”: {},
“LIST_Sortierte_Parteien_Markets”: {},
“GROUP_Parteien_unter_5_Pollyvote”: {},
“LIST_Gefilterte_Parteien_Experts”: {},
“LIST_Gefilterte_Parteien_Markets”: {},
“LIST_Parteienwerte_Parteiennamen”: {},
“LIST_Sortierte_Parteien_Pollyvote”: {},
“LIST_Gefilterte_Parteien_Pollyvote”: {},
“LIST_Parteienwerte_Parteiennamen_Polls”: {},
“LIST_Parteienwerte_Parteiennamen_Models”: {},
“LIST_Parteienwerte_Parteiennamen_Experts”: {},
“LIST_Parteienwerte_Parteiennamen_Markets”: {},
“LIST_Parteienwerte_Parteiennamen_Pollyvote”: {},
“DATA_unnamed__36”: {},
“DATA_unnamed__43”: {},
“DATA_cdu_csu_spd_markets”: {
“truth-value”: “True”,
“mapping-value”: “62,7”,
“vocabularies”: [
{
“noun”: “62,7”,
“adjective”: “”,
“headnoun”: “”
}
]
},
“DATA_cdu_csu_fdp_markets”: {},
“DATA_cdu_csu_gruene_markets”: {},
“DATA_spd_gruene_markets”: {},
“DATA_spd_linke_gruene_markets”: {},
“DATA_cdu_csu_fdp_gruene_markets”: {
“truth-value”: “True”,
“mapping-value”: “53.2”,
“vocabularies”: [
{
“noun”: “53.2”,
“adjective”: “”,
“headnoun”: “”
}
]
},
“DATA_unnamed__50”: {},
“DATA_cdu_csu_spd_models”: {},
“DATA_cdu_csu_fdp_models”: {},
“DATA_cdu_csu_gruene_models”: {},
“DATA_spd_gruene_models”: {},
“DATA_spd_linke_gruene_models”: {},
“DATA_cdu_csu_fdp_gruene_models”: {},
“DATA_unnamed__57”: {},
“DATA_cdu_csu_spd_experts”: {},
“DATA_cdu_csu_fdp_experts”: {},
“DATA_cdu_csu_gruene_experts”: {},
“DATA_spd_gruene_experts”: {},
“DATA_spd_linke_gruene_experts”: {},
“DATA_cdu_csu_fdp_gruene_experts”: {
“truth-value”: “True”,
“mapping-value”: “54,5”,
“vocabularies”: [
{
“noun”: “54,5”,
“adjective”: “”,
“headnoun”: “”
}
]
},
“DATA_unnamed__64”: {},
“DATA_cdu_csu_spd_combined_polls”: {
“truth-value”: “True”,
“mapping-value”: “65,6”,
“vocabularies”: [
{
“noun”: “65,6”,
“adjective”: “”,
“headnoun”: “”
}
]
},
“DATA_cdu_csu_fdp_combined_polls”: {},
“DATA_cdu_csu_gruene_combined_polls”: {},
“DATA_spd_gruene_combined_polls”: {},
“DATA_spd_linke_gruene_combined_polls”: {},
“DATA_cdu_csu_fdp_gruene_combined_polls”: {},
“DATA_cdu_csu_fdp_spd”: {},
“DATA_spd_fdp_gruene”: {
“truth-value”: “True”,
“mapping-value”: 54.7,
“vocabularies”: [
{
“noun”: “54,7”,
“adjective”: “”,
“headnoun”: “”
}
]
},
“DATA_datum”: {
“truth-value”: “True”,
“mapping-value”: “22.9.13”,
“vocabularies”: [
{
“noun”: “22.9.13”,
“adjective”: “”,
“headnoun”: “”
}
]
},
“DATA_Convert”: {}
},
“version”: “1.0.0”,
“thing-type”: “”,
“rincewind-training-id”: “1447”,
“training-hash”: null

Die List_Koalition müsste die von mir in meiner Daten Collection aufgeführten Daten zu den verschiedenen PollyVote Komponenten zusammenfassen. Das wären für Jamaika:
CDU_CSU_FDP_GRUENE_Markets 53.2
CDU_CSU_FDP_GRUENE_Models 56,3
CDU_CSU_FDP_GRUENE_Experts 54,5
CDU_CSU_FDP_GRUENE_Combined_Polls 54,9

Und aus diesen 4 Werten den Min und Max filtern. Ich habe schon verstanden, dass wir dies durch die vorgefertigten Expressions in der Sonntagsumfrageübung2 auch gemacht haben, nur nicht zu den PollyVotekomponenten, sondern zu den Meinungsforschungsinstituten. Ich möchte nicht ermitteln welche die Wahrscheinlichste Koalition ist, sondern welche Komponente schneidet in der Gro Ko und der Jamaiko Koalition (so kommt es in meinem Urtext vor am besten und am schlechtesten ab. Ich versteh nur nicht an welcher stelle ich die MappingExpressions umschreiben müsste… obwohl ich mir die Übungen genau angeschaut habe.

In der Sontagsfrage sammelst du ja die gesamten Koalitionen in eigenen Elementen eines JSON-Dictionaries.
In deinem Fall musst du wahrscheinlich diese vier Daten ins Feld “percent” schreiben, und die Benennungen ändern.

Im Original heißt es ja:
[{"name":"CDUKOMMA CSU und SPD", "percent": numeric(#CDU_CSU_SPD), "voteshare": (100 * (numeric(#CDU_CSU) + numeric(#SPD))) , "nickname":"große Koalition"},

In deinem Fall müssen unter “percent” andere Werte stehen, und zwar die Datenfelder, die du halt gegeneinander ordnen willst.

Beispielsweise:
[{"name":"CDUKOMMA CSU und SPD laut den Markets", "percent": numeric(#CDU_CSU_SPD_markets), "nickname":"große Koalition laut den Markets"},

Willst du die Komponenten denn für eine bestimmte Koalition vergleichen oder willst du das für alle Koalitionen können?

LG

Nur für die zwei wahrscheinlichsten Koalitionen. Ich möchte die Komponenten einmal für die Groko also DATA_cdu/csu_spd und einmal für die Jamaika Koalition also DATA_cdu/csu_fdp_grüne vergleichen indem ich einmal die Komponente die als schlechtestes und einmal die Komponenete die als bestes abschneidet darstelle. So wie es in meinem Urtext schon dargestellt, aber eben noch nicht richtig automatisiert. ist. Dazu kommt dann noch eine Regel die aus dem erkannten Wert den er aus der entsprechenden schlechtesten/besten Komponente ermittelt hat, diese Komponenete eben danach noch beim Namen nennt. Das ist es was ich als Spannbreiten meinte um zu zeigen wie die PollyVotekomponenten untereinander variieren. und deren Genauigkeit präsentieren. Es ist eben doch nicht genau wie in der Sonntagsumfrageübung. Das war mir zu conventionell. :blush:

I see :slight_smile:

Dann würde ich empfehlen, für jede Koalition so eine Liste anzulegen und darin dann mit der o.g. Methode erst mal für jede Komponente einen Eintrag zu machen. Spannend wäre, nochmal zu überlegen, wie man sowas eigentlich im Text benennen kann. (wie Nickname und Name dann befüllt werden).

LG

Könnten sie das vielleicht präzisieren in welcher Liste? Ist die List_Koalition Property gemeint. Ich dachte vielleicht dass ich zB. für den Vergleich der Groko Komponenten nur die referenced Properties der List_Koalition in CDU_CSU_FDP_GRUENE_Markets 53.2
CDU_CSU_FDP_GRUENE_Models 56,3
CDU_CSU_FDP_GRUENE_Experts 54,5
CDU_CSU_FDP_GRUENE_Combined_Polls 54,9
zu ändern ? :sunny: und für die Jamaika.Koalition in
CDU_CSU_FDP_GRUENE_Markets 53.2
CDU_CSU_FDP_GRUENE_Models 56,3
CDU_CSU_FDP_GRUENE_Experts 54,5
CDU_CSU_FDP_GRUENE_Combined_Polls 54,9

Es ist wirklich schwerer als gedacht von den Properties der Sonntagsumfrage abzuweichen und genau zu wissen wo genau die Änderungen vorzunehmen sind. Die List_Komponente_GroKo und die List_Komponenten_Jamaika Poperty müsste dann jeweils mit einer Min_Komponente und Max_Komponente Propery verknüpft werden? Ähnlich wie in der Sonntagsumfrageübung aber leider doch etwas anders Mein Atml3 wissen ist leider immernoch auf einem Anfängerniveau was die Erstellung dieser Regel betrifft… :cold_sweat:

Hi Lennart,

ich glaube, dein letzter Post beschreibt das richtige Vorgehen :slight_smile:

Du musst für die beiden Koalitionen eigene Listen anlegen. (Die sind nur sehr ähnlich strukturiert wie die LIST_Koalitionen oder die LIST_Parteienwerte_Parteiennamen.
Für jede dieser Listen kannst du dann eine neue MIN_Komponente und MAX_Komponente bauen und aus dieser dann Werte und Namen abholen.

Um es dir etwas einfacher zu machen, kannst du auch Properties klonen.

LG

Frank

Ok soweit so gut! Ich habe nun die List_Koalition Property geclont und folgendermaßen umgeschrieben um die Komponenten der Groko aufzulisten. Habe ich das richtig gemacht? Jetzt frag ich mich nur noch was ich in der Max & Min Property einstellen muss das auf diese Werte referenziert wird…
LIST_Komponenten_GroKo
Truth Expression

truth($DATA_cdu_csu_spd_markets) or truth($DATA_cdu_csu_spd_experts) or truth($DATA_cdu_csu_spd_models) or truth($DATA_cdu_csu_spd_combined_polls)

Mapping Expression

[{

“name”: “CDUKOMMA CSU und SPD_markets”,
“percent”: numeric(#CDU_CSU_SPD_markets),
“voteshare”: (100 * (numeric(#CDU_CSU) + numeric(#SPD))),
“nickname”: “große Koalition laut den Prognosemärkten”,
“all_in_parliament”: (numeric(#CDU_CSU) >= 0.05) and (numeric(#SPD) >= 0.05)
},
{
“name”: “CDUKOMMA CSU und SPD_experts”,
“percent”: numeric(#CDU_CSU_SPD_experts),
“voteshare”: (100 * (numeric(#CDU_CSU) + numeric(#SPD))),
“nickname”: “große Koalition laut den Experten”,
“all_in_parliament”: (numeric(#CDU_CSU) >= 0.05) and (numeric(#SPD) >= 0.05)
},
{
“name”: “CDUKOMMA CSU und SPD_models”,
“percent”: numeric(#CDU_CSU_SPD_models),
“voteshare”: (100 * (numeric(#CDU_CSU) + numeric(#SPD))),
“nickname”: “große Koalition laut den Modellen”,
“all_in_parliament”: (numeric(#CDU_CSU) >= 0.05) and (numeric(#SPD) >= 0.05)
},
{
“name”: “CDUKOMMA CSU und SPD_combined_polls”,
“percent”: numeric(#CDU_CSU_SPD_combine_polls),
“voteshare”: (100 * (numeric(#CDU_CSU) + numeric(#SPD))),
“nickname”: “große Koalition laut den Modellen”,
“all_in_parliament”: (numeric(#CDU_CSU) >= 0.05) and (numeric(#SPD) >= 0.05)
}]“all_in_parliament”: (numeric(#CDU_CSU) >= 0.05) and (numeric(#SPD) >= 0.05)
},
{
“name”: “CDUKOMMA CSU und SPD_markets”,
“percent”: numeric(#CDU_CSU_SPD_markets),
“voteshare”: (100 * (numeric(#CDU_CSU) + numeric(#SPD))),
“nickname”: “große Koalition laut den Prognosemärkten”,
“all_in_parliament”: (numeric(#CDU_CSU) >= 0.05) and (numeric(#SPD) >= 0.05)
},
{
“name”: “CDUKOMMA CSU und SPD_experts”,
“percent”: numeric(#CDU_CSU_SPD_experts),
“voteshare”: (100 * (numeric(#CDU_CSU) + numeric(#SPD))),
“nickname”: “große Koalition laut den Experten”,
“all_in_parliament”: (numeric(#CDU_CSU) >= 0.05) and (numeric(#SPD) >= 0.05)
},
{
“name”: “CDUKOMMA CSU und SPD_models”,
“percent”: numeric(#CDU_CSU_SPD_models),
“voteshare”: (100 * (numeric(#CDU_CSU) + numeric(#SPD))),
“nickname”: “große Koalition laut den Modellen”,
“all_in_parliament”: (numeric(#CDU_CSU) >= 0.05) and (numeric(#SPD) >= 0.05)
}]

Wofür ist die Zeile Voteshare?

Jetzt muss ich nur noch wissen wie ich die Liste mit der Min und Max Property verknüpfe in der Liste wird auf jeden Fall schon mal auf die richtigen Properties referenziert das ist schon mal gut glaube ich…

Ok MeineMinKoalition Max_Koalition Property hab ich nun auch dupliziert und folgendermaßen umgeschrieben

Ich hab es eben versucht anzuwenden aber es gab eine Fehlermeldung. Wie muss ich das im Magicmode nochmal angeben für mein May_Komponente_GroKo als Groupproperty und dann Groupmethod Best oder All?

Hi Lennart,

da bist du schon relativ weit gekommen. Sehr cool!

Wenn du deine MAX_Koalition direkt im Text aufrufst, kriegst du eine Fehlermeldung.

Wenn du dir den ATML3-Debug davon anschaust, stellst du fest, dass sich darunter immernoch ein Dicitonary befindet (also eine ganze Reihe von Werten.)

Lösung: Ruf die Bestandteile, die du von deinem MAX- objekt haben willst, in einer neuen Property per Collect-Funktion auf. Beispiel dafür ist die MAX_Partei_Wert.
Wichtig: Diese Proeprty verhält sich dann tatsächlich wie eine Group-Property, und du musst sie dann als Group Property aufrufen.

LG

Frank

LG

Heißt das ich muss nur die List_Komponenten_Groko oder die darin bereits aufgeführten DATA Properties in der Collectfunktion einer Max_Komponenten_Groko_Wert Property aufführen ?

Laut Anzeige enthalten deine Mapping Expressions Fehler. Der Doku kannst du die korrekte Schreibweise entnehmen:
http://docs.atml3.rocks/#list-methods

Hi Valentin,

der Grundgedanke ist gut. Allerdings stimmen die Klammern nicht.

An dieser Stelle kurz ein Exkurs über die Syntax von so einer Funktion.

Collect schaut in ein Listenobjekt hinein und schaut sich die einzelnen Listeneinträge an. Wenn an denen ein Datenfeld mit dem angegebenen Erkennungsschlüssel hängt, wird der Wert aus diesem Datenfeld zurückgegeben.
Da das in einer Liste mehrere sein können, gibt dir Collect seinerseits ein Listenobjekt zurück, auch wenn es nur einen Wert findet.

Das äußerste Paar runder Klammern gehört zur Methode
collect()

In der Methode gibt es zwei Parameter
collect(Listenobjekt,Erkennungsschlüssel)

Damit wir nach dem Objekt an der richtigen Stelle suchen, müssen wir angeben welcher Namespace verwendet werden soll. # bedeutet: “such in den Datenfeldern direkt”, während $ bedeutet: “Such in anderen Properties”
collect($Listenobjekt,Erkennungsschlüssel)

Dein Listenobjekt wird (weil Collect eben dazu gemacht ist, Dinge aus Listen zu holen,) in Listenklammern geschrieben.
collect([Listenobjekt],Erkennungsschlüssel)

Der Erkennungsschlüssel ist ein Textfeld (Fachegriff: Ein String) und muss deshalb in Anführungszeichen
collect([Listenobjekt],"Erkennungsschlüssel")

Nun zur Anwendung auf deine Properties:
In der ersten Property rufst du folgendes auf:
collect(Irgendein Datenfeld),(Irgendein anderes Datenfeld),(Noch ein Datenfeld), "Erkennungsschlüssel")
Du versuchst, die Funktion auf drei einzelne Datenfelder anzuwenden, die ihrerseits keine Listeneinträge haben. Also gibt es nichts, worauf der Erkennungsschlüssel angewendet werden könnte. Hier muss ein Listenobjekt hin, so wie du es aus den E-Learning-Kursen kennst.

Außerdem ist die Klammerung so gestaltet, dass du die Funktion mit der ersten schließenden Klammer schon wieder beendest. Die Fehlermeldung, die du jetzt siehst, sagt dir im Prinzip nur: “Den Rest verstehe ich nicht”.

In der zweiten Property klammerst du wie folgt:
collect($Listenobjekt)], "Erkennungsschlüssel")
Da ist eine runde Klammer zu viel (die erste) und eine eckige zu wenig (nach der ersten Runden).

LG

Frank

This topic was automatically closed 4 days after the last reply. New replies are no longer allowed.