GUI-Operationen in Data Refinery

Videotranskript

1. Durch die Operation des Spaltentyps „Convert“ wurde die erste Spalte automatisch von „String“ in „Integer“ umgewandelt. Ändern wir nun die Datentypen der anderen drei Spalten.
2. Um den Datentyp der Spalte „european“ von „Zeichenkette“ in „Dezimal“ zu ändern, wählen Sie die Spalte aus und bearbeiten Sie anschließend den Schritt „Spaltentyp konvertieren“.
3. Um den Datentyp der Spalte „european“ von „Zeichenkette“ in „Dezimal“ zu ändern, wählen Sie die Spalte aus und bearbeiten Sie anschließend den Schritt „Spaltentyp konvertieren“.
4. Wählen Sie „Dezimal“ aus.
5. Da die Spalte das Komma als Trennzeichen verwendet, wählen Sie bitte „Komma (,)” als Dezimalzeichen aus.
6. Wählen Sie die nächste Spalte aus: DATETIME. Wählen Sie einen Zeitstempel und ein Format aus.
7. Klicken Sie auf Apply.
8. Die Spalten haben nun die Datentypen „Integer“, „Decimal“, „Date“ und „Timestamp“. Der Schritt „Spaltentyp konvertieren“ im Bereich „Schritte“ wurde aktualisiert.

Videotranskript

1. Die Operation „Spaltenwert in fehlenden Wert umwandeln“ wandelt die Werte in einer ausgewählten Spalte in fehlende Werte um, wenn sie mit den Werten in einer angegebenen Spalte übereinstimmen oder wenn sie einem angegebenen Wert entsprechen.
2. Ein fehlender Wert entspricht einem SQL-NULL-Wert, also einem Feld ohne Wert. Es unterscheidet sich von einem Wert von Null oder einem Wert, der Leerzeichen enthält.
3. Sie können die Funktion „Spaltenwert in fehlende Werte umwandeln“ verwenden, wenn Sie der Meinung sind, dass die Daten besser als fehlende Werte dargestellt werden sollten. Beispielsweise, wenn Sie fehlende Werte in einer Operation zum Ersetzen fehlender Werte oder in einer Filteroperation verwenden möchten.
4. Verwenden wir die Funktion „Spaltenwert in fehlenden Wert umwandeln“, um Werte basierend auf einem übereinstimmenden Wert in fehlende Werte umzuwandeln.
5. Beachten Sie, dass die Spalte „DESC“ viele Zeilen mit dem Wert „CANCELLED ORDER“ enthält. Lassen Sie uns die Zeichenfolgen „CANCELLED ORDER“ in fehlende Werte umwandeln.
6. Die Funktion „Spaltenwert in fehlenden Wert umwandeln“ befindet sich in der Kategorie „CLEANSE“.
7. Geben Sie die Zeichenfolge ein, die durch fehlende Werte ersetzt werden soll.
8. Die Werte, die zuvor als „Auftrag storniert“ gekennzeichnet waren, sind nun fehlende Werte.

Videotranskript

1. Die Operation „Datums- oder Zeitwert extrahieren“ extrahiert einen ausgewählten Teil eines Datums- oder Zeitwerts aus einer Spalte, die den Datentyp „Datum“ oder „Zeitstempel“ hat.
2. Die Spalte „DATE“ hat den Datentyp „Zeichenkette“. Zunächst wandeln wir den Datentyp mithilfe der Operation „Spaltentyp konvertieren“ in den Datentyp „Datum“ um.
3. Wählen Sie im Menü der Spalte „DATE“ die Option „Spaltentyp konvertieren“ aus. Datum auswählen.
4. Wählen Sie ein Datumsformat aus.
5. Die Spalte „DATE“ ist nun vom Datentyp „Datum“.
6. Das ISO-Datumsformat wird verwendet, wenn der Datentyp „String“ in den Datentyp „Date“ konvertiert wurde. Beispielsweise wurde die Zeichenfolge „01/08/2018“ in das Datum „2018-01-08“ umgewandelt.
7. Nun können wir den Jahresteil des Datums in eine neue Spalte extrahieren.
8. Die Operation „Datum- oder Zeitwert extrahieren“ befindet sich in der Kategorie „CLEANSE“.
9. Wählen Sie „Jahr“ als den zu extrahierenden Teil des Datums aus und geben Sie „YEAR“ als Namen für die neue Spalte ein.
10. Der Jahresanteil der Spalte „DATE“ befindet sich in der neuen Spalte „YEAR“.
11. Im Bereich „Schritte“ wird der Vorgang „Datum oder Uhrzeit extrahieren“ angezeigt.

Videotranskript

1. Verwenden Sie die Filterfunktion, um Zeilen nach den ausgewählten Spalten zu filtern. Sie können mehrere Bedingungen in einem Filtervorgang anwenden.
2. Verwenden Sie einen regulären Ausdruck, um alle Zeilen herauszufiltern, außer denen, bei denen die Zeichenfolge in der Spalte „Emp ID“ mit 8 beginnt.
3. Filtere die Zeilen nach den Abkürzungen zweier Bundesstaaten.
4. Klicken Sie auf Apply. Die Tabelle enthält nur die Zeilen, bei denen die Mitarbeiter-ID mit 8 beginnt und der Bundesstaat AR oder TX ist.
5. Die Zeilen sind nun nach AR und PA gefiltert. Der Schritt „Filter“ im Bereich „Schritte“ wird aktualisiert.

Videotranskript

1. Verwenden Sie die Funktion „Spalte entfernen“, um eine Spalte schnell aus einem Datenobjekt zu entfernen.
2. Am schnellsten lässt sich eine Spalte über das Spaltenmenü entfernen.
3. Der Name der entfernten Spalte wird im Bereich „Schritte“ angezeigt.
4. Eine weitere Spalte entfernen.
5. Der Name der entfernten Spalte wird im Bereich „Schritte“ angezeigt.

Videotranskript

1. Der Vorgang „Duplikate entfernen“ entfernt Zeilen, die doppelte Spaltenwerte enthalten.
2. Der Datensatz umfasst 43 Zeilen. Viele Zeilen in der Spalte „APPLYCODE“ enthalten doppelte Werte. Wir möchten den Datensatz auf die Zeilen reduzieren, in denen jeder Wert in der Spalte „APPLYCODE“ nur einmal vorkommt.
3. Wählen Sie im Menü der Spalte „APPLYCODE“ die Funktion „Duplikate entfernen“ aus.
4. Durch den Vorgang „Duplikate entfernen“ wurde jedes Vorkommen eines doppelten Werts entfernt. Der Datensatz umfasst nun 4 Zeilen.

Videotranskript

1. Der Vorgang „Leere Zeilen entfernen“ entfernt Zeilen, in denen die ausgewählte Spalte einen leeren oder fehlenden Wert enthält.
2. Ein fehlender Wert entspricht einem SQL-NULL-Wert, also einem Feld ohne Wert. Es unterscheidet sich von einem Wert von Null oder einem Wert, der Leerzeichen enthält.
3. Der Datensatz umfasst 43 Zeilen. In vielen Zeilen der Spalte „TRACK“ fehlen Werte. Wir möchten den Datensatz auf die Zeilen reduzieren, die einen Wert in der Spalte „TRACK“ enthalten.
4. Wählen Sie im Menü der Spalte „TRACK“ die Option „Leere Zeilen entfernen“ aus.
5. Durch den Vorgang „Leere Zeilen entfernen“ wurden alle Zeilen entfernt, die in der Spalte „TRACK“ einen leeren oder fehlenden Wert enthielten. Der Datensatz umfasst nun 21 Zeilen.

Videotranskript

1. Die Operation „Fehlende Werte ersetzen“ ersetzt fehlende Werte in einer Spalte durch einen angegebenen Wert oder durch den Wert aus einer angegebenen Spalte in derselben Zeile.
2. Die Spalte „STATE“ enthält viele Zeilen mit leeren Werten. Wir möchten diese leeren Werte durch eine Zeichenfolge ersetzen.
3. Die Operation „Fehlende Werte ersetzen“ befindet sich in der Kategorie „BEREINIGEN“.
4. Ersetzen Sie in der Spalte „Status“ die fehlenden Werte durch den Text „Unvollständig“.
5. Die fehlenden Werte haben nun den Wert „Unvollständig“.
6. Im Bereich „Schritte“ wird der Vorgang „Fehlende Werte ersetzen“ angezeigt.

Videotranskript

1. Mit der Funktion „Teilstring ersetzen“ wird ein Teilstring durch einen von Ihnen angegebenen Text ersetzt.
2. Die Spalte „DECLINE“ enthält viele Zeilen, die die Zeichenfolge „BANC“ enthalten. Wir möchten diese Zeichenfolge durch „BANK“ ersetzen.
3. Die Operation „Teilstring ersetzen“ befindet sich in der Kategorie „CLEANSE“.
4. Geben Sie die zu ersetzende Zeichenfolge und die Ersatzzeichenfolge ein.
5. Alle Vorkommen der Zeichenfolge „BANC“ wurden durch „BANK“ ersetzt.
6. Im Bereich „Schritte“ wird die Operation „Teilstring ersetzen“ angezeigt.

Videotranskript

1. Die Operation „Ersetzen“ verschleiert sensible Informationen, indem sie die Daten in der ausgewählten Spalte durch eine zufällige Zeichenfolge ersetzt.
2. Der schnellste Weg, die Daten in einer Spalte zu ersetzen, ist, im Menü der Spalte die Option „Ersetzen“ auszuwählen.
3. Der Ersetzungsvorgang wird im Schritt-Fenster angezeigt.
4. Ersetze die Werte in einer anderen Spalte.
5. Der zweite Ersetzungsvorgang wird im Schritt-Fenster angezeigt.

Videotranskript

1. Die Operation „Berechnen“ führt eine Berechnung durch, beispielsweise eine Addition oder Subtraktion, mit einer anderen Spalte oder einem angegebenen Wert.
2. Wählen Sie die Spalte aus, mit der Sie beginnen möchten.
3. Verfügbare Berechnungen
4. Wählen Sie nun die zweite Spalte für die Additionsberechnung aus.
5. Und übernehmen Sie die Änderung.
6. Die Spalte „ID“ wird aktualisiert, und im Bereich „Schritte“ wird der abgeschlossene Vorgang angezeigt.
7. Sie können die Funktionen auch über das Menü der Spalte aufrufen.
8. Wählen Sie diesmal „Liegt zwischen zwei Zahlen“ aus. Geben Sie den Bereich an und erstellen Sie eine neue Spalte für die Ergebnisse.
9. Die neue Spalte wird in der Tabelle angezeigt, und die neue Berechnungsoperation wird im Bereich „Schritte“ angezeigt.
10. Wählen Sie diesmal „Ist gleich“ aus, um zwei Spalten zu vergleichen, und erstellen Sie eine neue Spalte für die Ergebnisse.
11. Die neue Spalte wird in der Tabelle angezeigt, und die neue Berechnungsoperation wird im Bereich „Schritte“ angezeigt.

Videotranskript

1. Die Aggregatfunktion wendet Zusammenfassungsberechnungen auf die Werte einer oder mehrerer Spalten an. Mit jeder Aggregation wird eine neue Spalte erstellt.
2. Die verfügbaren Aggregationen hängen davon ab, ob es sich um numerische Daten oder Zeichenfolgen handelt.
3. Die verfügbaren Operatoren hängen vom Datentyp der Spalte ab. Verfügbare Operatoren für numerische Daten.
4. Wenn die Textspalte „ UniqueCarrier “ ausgewählt ist, werden die für Zeichenfolgendaten verfügbaren Operatoren angezeigt.
5. Wir werden zählen, wie viele eindeutige Werte die Spalte „ UniqueCarrier “ enthält. Diese Zusammenfassung zeigt, wie viele Fluggesellschaften im Datensatz enthalten sind.
6. In der neuen Spalte „Fluggesellschaften“ sind 22 Fluggesellschaften aufgeführt. Die übrigen Spalten werden gelöscht.
7. Die Aggregatfunktion wird im Bereich „Schritte“ angezeigt.
8. Fangen wir noch einmal von vorne an, um eine Aggregation numerischer Daten zu veranschaulichen.
9. Geben Sie den Durchschnitt (Mittelwert) der Ankunftsverspätungen an.
10. Der Durchschnittswert aller Ankunftsverspätungen ist in der neuen Spalte „ MeanArrDelay “ zu finden. Die übrigen Spalten werden gelöscht.
11. Sie können die aggregierte Spalte auch nach einer anderen Spalte gruppieren, die ein Merkmal der Gruppe definiert.
12. Bearbeiten wir den Schritt „Aggregieren“, indem wir eine „Gruppieren nach“-Auswahl hinzufügen, damit wir den Durchschnitt der Ankunftsverspätungen nach Fluggesellschaft sehen können.
13. Gruppiere die Ergebnisse nach der Spalte „ UniqueCarrier “.
14. Die durchschnittlichen Ankunftsverspätungen sind nun nach Fluggesellschaften geordnet.
15. Im Bereich „Schritte“ wird die Aggregat-Operation angezeigt.

Videotranskript

1. Die Operation „Verknüpfen“ verknüpft die Werte von zwei oder mehr Spalten.
2. Die Operation „Concatenate“ befindet sich in der Kategorie „ORGANIZE“.
3. Wählen Sie die Spalten aus, die Sie verketten möchten.
4. Wählen Sie ein Trennzeichen aus, das zwischen den verketteten Werten verwendet werden soll.
5. Geben Sie einen Namen für die Spalte mit den verketteten Werten ein.
6. Die neue Spalte kann als Spalte ganz rechts im Datensatz oder neben der ursprünglichen Spalte angezeigt werden.
7. Behalten Sie die ursprünglichen Spalten bei und übernehmen Sie die Änderungen.
8. Die neue Spalte „DATE“ zeigt die verketteten Werte der anderen drei Spalten, getrennt durch ein Semikolon.
9. Die Operation „Verknüpfen“ wird im Bereich „Schritte“ angezeigt.
10. Die Spalte „DATE“ hat den Datentyp „Zeichenkette“. Verwenden wir die Operation „Spaltentyp konvertieren“, um ihn in den Datentyp „Datum“ umzuwandeln.
11. Wählen Sie im Menü der Spalte „DATE“ die Option „Spaltentyp konvertieren“ aus. Datum auswählen.
12. Wählen Sie ein Datumsformat aus und erstellen Sie eine neue Spalte für das Ergebnis.
13. Platzieren Sie die neue Spalte neben der ursprünglichen Spalte und übernehmen Sie die Änderungen.
14. Die neue Spalte wird im konvertierten Datumsformat angezeigt.
15. Die Operation für den Spaltentyp „Konvertieren“ wird im Bereich „Schritte“ angezeigt.
16. Das ISO-Datumsformat wird verwendet, wenn der Datentyp „String“ in den Datentyp „Date“ konvertiert wurde. Beispielsweise wurde die Zeichenfolge „2004;2;3“ in das Datum „2004-02-03“ umgewandelt.

Videotranskript

1. Verwenden Sie die Funktion „Bedingtes Ersetzen“, um die Werte in einer Spalte anhand von Bedingungen zu ersetzen.
2. Zunächst legen wir die Bedingungen fest, unter denen Daten in der Spalte „CODE“ ersetzt werden sollen, und erstellen eine neue Spalte für die Ergebnisse.
3. Verfügbare Bedingungsoperatoren für Zeichenfolgen.
4. Füge die erste Bedingung hinzu – BEDINGUNG 1: CODE ist gleich dem Wert C; ersetze dies durch COMPLETE.
5. Füge eine zweite Bedingung hinzu – BEDINGUNG 2: Wenn CODE dem Wert entspricht, ersetze ich ihn durch „UNVOLLSTÄNDIG“.
6. Geben Sie an, wie mit Werten verfahren werden soll, die die Bedingungen nicht erfüllen. Hier geben wir zwei doppelte Anführungszeichen ein, um eine leere Zeichenkette anzugeben.
7. Erstellen Sie eine neue Spalte für die Ergebnisse.
8. Die neue Spalte „STATUS“ zeigt die bedingten Ersetzungen aus der Spalte „CODE“ an.
9. Der Vorgang „Bedingtes Ersetzen“ wird im Bereich „Schritte“ angezeigt.
10. Als Nächstes legen wir Bedingungen fest, um Daten in der Integer-Spalte „INPUT“ zu ersetzen, und erstellen eine neue Spalte für die Ergebnisse.
11. Verfügbare Bedingungsoperatoren für numerische Daten.
12. Füge die erste Bedingung hinzu – BEDINGUNG 1: Ist INPUT kleiner oder gleich dem Wert 3, ersetze ihn durch den Wert LOW.
13. Füge eine zweite Bedingung hinzu – BEDINGUNG 2: Wenn INPUT die Werte 4, 5 oder 6 enthält, ersetze ihn durch den Wert MED.
14. Füge eine dritte Bedingung hinzu – BEDINGUNG 3: Ist INPUT größer oder gleich dem Wert 7, ersetze ihn durch den Wert HIGH.
15. Geben Sie an, wie mit Werten verfahren werden soll, die die Bedingungen nicht erfüllen.
16. Erstellen Sie eine neue Spalte für die Ergebnisse.
17. Die neue Spalte „RATING“ zeigt die bedingten Ersetzungen aus der Spalte „INPUT“ an.
18. Der Vorgang „Bedingtes Ersetzen“ wird im Bereich „Schritte“ angezeigt.

Videotranskript

1. Der Datensatz „ customers.csv “ enthält Informationen über die Kunden Ihres Unternehmens, und der Datensatz „ sales.csv “ enthält Informationen über die Vertriebsmitarbeiter Ihres Unternehmens.
2. Die Datensätze haben die Spalte „SALESREP_ID“ gemeinsam.
3. Der Datensatz „ customers.csv “ ist unter Data Refinery verfügbar.
4. Die Join-Operation kann die Daten dieser beiden Datensätze auf der Grundlage eines Vergleichs der Werte in der Spalte „SALESREP_ID“ zusammenführen.
5. Sie möchten einen Inner Join durchführen, um nur die Zeilen aus jedem Datensatz zurückzugeben, die mit denen des anderen Datensatzes übereinstimmen.
6. Sie können ein benutzerdefiniertes Suffix hinzufügen, das an Spalten angehängt wird, die in beiden Datensätzen vorhanden sind, um den Quelldatensatz für diese Spalte anzuzeigen.
7. Wählen Sie den Datensatz „ sales.csv “ aus, um ihn mit dem Datensatz „ customers.csv “ zu verknüpfen.
8. Geben Sie für den Verknüpfungsschlüssel den Spaltennamen ein, um eine gefilterte Liste anzuzeigen. Die Spalte „SALESREP_ID“ verknüpft die beiden Datensätze.
9. Wählen Sie als Nächstes die Spalten aus, die Sie einbeziehen möchten. Bei doppelten Spalten wird das Suffix angehängt.
10. Wenden Sie nun die Änderungen an.
11. Die Verknüpfungsoperation wird im Schritt-Fenster angezeigt.
12. Der Datensatz wurde nun um die Spalten aus den Datensätzen „ customers.csv “ und „ sales.csv “ erweitert.

Videotranskript

1. Verwenden Sie die Funktion „Spalte umbenennen“, um eine Spalte schnell umzubenennen.
2. Am schnellsten lässt sich eine Spalte umbenennen, indem man den Spaltennamen in der Tabelle bearbeitet.
3. Ändere den Namen und drücke die Eingabetaste auf deiner Tastatur.
4. Der Schritt „Spalte umbenennen“ zeigt den alten und den neuen Namen an.
5. Benenne nun eine weitere Spalte um.
6. Im Bereich „Schritte“ ist zu sehen, dass die Spalte „BANKS“ in „DOGS“ umbenannt wurde.
7. Benenne nun die letzte Spalte um.
8. Im Bereich „Schritte“ ist zu sehen, dass die Spalte „RATIOS“ in „BIRDS“ umbenannt wurde.

Videotranskript

1. Die Funktion „Sample“ erzeugt eine Teilmenge Ihrer Daten.
2. Verwenden Sie die Funktion „Stichprobe“, wenn Sie über große Datenmengen verfügen und zur Beschleunigung der Prototypenentwicklung mit einer repräsentativen Stichprobe arbeiten möchten.
3. Die Operation „Sample“ gehört zur Kategorie „ORGANIZE“.
4. Wählen Sie eine der beiden Methoden zum Erstellen eines Beispiels.
5. Bei einer Zufallsstichprobe hat jede Zeile die gleiche Wahrscheinlichkeit, in die Stichprobendaten aufgenommen zu werden.
6. Sie können eine Zufallsstichprobe nach der Anzahl der Zeilen oder nach dem prozentualen Anteil der Daten auswählen.
7. Eine geschichtete Stichprobe basiert auf einer Zufallsstichprobe. Wie bei einer Zufallsstichprobe legen Sie den Umfang der Stichprobe fest (Anzahl der Zeilen oder Prozentsatz).
8. Bei einer geschichteten Stichprobe unterteilt man die Daten in eine oder mehrere Untergruppen, die als Schichten bezeichnet werden. Anschließend generieren Sie eine Zufallsstichprobe, die angepasste Daten aus jeder Untergruppe enthält.
9. Wenn Sie bei „Methode“ die Option „Auto“ wählen, wählen Sie eine Spalte für die Schichten aus.
10. Wenn Sie „Manuell“ wählen, geben Sie eine oder mehrere Schichten an und legen für jede Schicht Filterbedingungen fest, die die Zeilen in der jeweiligen Schicht definieren.
11. In diesem Beispiel mit Flugdaten werden wir zwei Schichten erstellen. In einer Schicht werden 50 % der Flüge als Flüge zu Zielflughäfen in New York City definiert, in der zweiten Schicht werden die restlichen 50 % als Flüge mit einer bestimmten Flugstrecke definiert.
12. Geben Sie im Feld „Details für diese Schicht angeben“ den Prozentsatz der Stichprobe ein, der die Bedingungen repräsentieren soll, die Sie in dieser ersten Schicht festlegen. Die Anteile der einzelnen Schichten müssen zusammen 100 % ergeben.
13. Verfügbare Operatoren für Zeichenfolgen.
14. 50 % der Stichprobe werden Zielflughäfen im Großraum New York City haben.
15. Klicken Sie auf „Speichern“, um die erste Schicht zu speichern.
16. Die erste Schicht, die als „ Strata0 “ bezeichnet wird, weist eine Bedingung auf. In dieser Schicht müssen 50 % der Stichprobe die Bedingung erfüllen.
17. Geben Sie im Feld „Details für diese Schicht angeben“ den Prozentsatz der Stichprobe ein, der die Bedingungen repräsentieren soll, die Sie in der zweiten Schicht angeben werden.
18. Verfügbare Operatoren für numerische Daten.
19. 50 % der Stichprobe entfallen auf Flüge mit einer Entfernung von mehr als 500 km.
20. Klicken Sie auf „Speichern“, um die zweite Schicht zu speichern.
21. Die zweite Schicht, die als „ Strata1 “ bezeichnet wird, weist eine Bedingung auf. In dieser Schicht müssen 50 % der Stichprobe die Bedingung erfüllen.
22. Wenn Sie mehrere Schichten verwenden, wendet die Operation „Sample“ intern eine Filteroperation mit einer ODER-Bedingung auf die Schichten an. Je nach Daten, Bedingungen und Stichprobengröße können die Ergebnisse bei der Verwendung einer Schicht mit mehreren Bedingungen von denen bei der Verwendung mehrerer Schichten abweichen.
23. Im Gegensatz zu den anderen Vorgängen unter „ Data Refinery “ ändert der Vorgang „Sample“ den Datensatz erst, nachdem Sie einen Job für den Ablauf „ Data Refinery “ erstellt und ausgeführt haben.
24. Der Schritt „Sample“ wird im Schritt-Fenster angezeigt.
25. Der Datensatz umfasst mehr als 10.000 Zeilen.
26. Speichern Sie den Job für den „ Data Refinery “-Ablauf und erstellen Sie ihn.
27. Die neue Asset-Datei wird dem Projekt für die Ausgabe des „ Data Refinery “-Ablaufs hinzugefügt.
28. Öffnen Sie die Ausgabedatei.
29. Es gibt 10 Zeilen (50 % der Stichprobe), in denen in der Spalte „Dest“ Flughäfen in New York City aufgeführt sind, aber 17 Zeilen in der Spalte „Distance“ mit Werten über 500.
30. Diese Ergebnisse sind darauf zurückzuführen, dass die Schichten unter einer OR-Bedingung angewendet wurden und es bei den in der ersten Schicht festgelegten Bedingungen zu Datenüberschneidungen kam, da die Zeilen, die nach „Dest“ gefiltert wurden und Flughäfen in New York City enthielten, Entfernungswerte von mehr als 500 aufwiesen.
31. Die Ausgabedatei unter „ Data Refinery “ zeigt die reduzierte Größe an.

Videotranskript

1. Sortieren Sie alle Zeilen in einem Datensatz schnell, indem Sie die Zeilen in einer ausgewählten Spalte sortieren.
2. Am schnellsten lassen sich Spalten über das Spaltenmenü sortieren.
3. Sie können die Zeilen in aufsteigender oder absteigender Reihenfolge sortieren.
4. Aufsteigend sortieren.
5. Die Reihenfolge aller Zeilen in der Tabelle wird durch die Sortieroperation der ersten Spalte aktualisiert.
6. Der Sortiervorgang wird im Schritt-Fenster angezeigt.
7. Absteigend sortieren.
8. Durch die Sortierfunktion der zweiten Spalte wird die Reihenfolge aller Zeilen in der Tabelle geändert.
9. Der zweite Sortiervorgang wird im Schritt-Fenster angezeigt.
10. Aufsteigend sortieren.
11. Durch die Sortierfunktion der dritten Spalte wird die Reihenfolge aller Zeilen in der Tabelle geändert.
12. Die dritte Sortieroperation wird im Schritt-Fenster angezeigt.

Videotranskript

1. Mit der Funktion „Spalte teilen“ wird eine Spalte anhand von nicht-alphanumerischen Zeichen, Text, Mustern oder der Position in zwei oder mehr Spalten aufgeteilt.
2. Zunächst teilen wir die Spalte „YMD“ in die Spalten „YEAR“, „MONTH“ und „DAY“ auf.
3. Die Funktion „Spalte teilen“ gehört zur Kategorie „ORGANISIEREN“.
4. Wählen Sie zunächst die Spalte „YMD“ aus, die Sie aufteilen möchten.
5. Die Registerkarten bieten vier Optionen für die Aufteilung der Spalte.
6. DEFAULT verwendet jedes nicht-alphanumerische Zeichen in den Spaltenwerten, um die Spalte zu teilen.
7. In „TEXT“ wählen Sie ein Zeichen aus oder geben Text ein, um die Spalte zu teilen.
8. In PATTERN geben Sie einen regulären Ausdruck in R-Syntax ein, um festzulegen, wo die Spalte geteilt werden soll.
9. Unter „POSITION“ geben Sie an, an welcher Stelle die Spalte geteilt werden soll.
10. Wir möchten die Spalte „YMD“ anhand des Sternchens (*) aufteilen, da es sich um ein nicht-alphanumerisches Zeichen handelt; daher wählen wir die Registerkarte „DEFAULT“ aus.
11. Teilen Sie die Spalte „YMD“ in drei neue Spalten auf: „YEAR“, „MONTH“ und „DAY“.
12. Dem Datensatz werden die drei neuen Spalten „YEAR“, „MONTH“ und „DAY“ hinzugefügt.
13. Der Vorgang „Spalte teilen“ wird im Schritt-Fenster angezeigt.
14. Teilen Sie anschließend die Spalte „FLIGHT“ in zwei Spalten auf – eine für den Airline-Code und eine für die Flugnummer. Da Flugliniencodes aus zwei Zeichen bestehen, können wir die Spalte nach Position aufteilen.
15. Klicken Sie auf die Registerkarte „POSITION“ und geben Sie dann im Feld „Positionen“ die Zahl 2 ein.
16. Teilen Sie die Spalte „FLIGHT“ in zwei neue Spalten auf: „AIRLINE“ und „FLTNMBR“.
17. Die beiden neuen Spalten „AIRLINE“ und „FLIGHTNBR“ werden dem Datensatz hinzugefügt.
18. Der Vorgang „Spalte teilen“ wird im Schritt-Fenster angezeigt.

Videotranskript

1. Die Union-Operation vereint die Zeilen aus zwei Datensätzen, die dasselbe Schema aufweisen.
2. Dieser Datensatz umfasst vier Spalten und sechs Zeilen. Die Datentypen von links nach rechts sind String, String, Decimal, String.
3. Als der Datensatz in „ Data Refinery “ geladen wurde, hat die Funktion „AUTOMATIC Convert column type“ die Spalte „PRICE“ automatisch in den Datentyp „Decimal“ konvertiert.
4. Die Spalten im zweiten Datensatz müssen mit den Datentypen in diesem Datensatz kompatibel sein.
5. Wählen Sie den Datensatz aus, den Sie mit dem aktuellen Datensatz zusammenführen möchten.
6. Wenn Sie eine Vorschau des neuen Datensatzes anzeigen, sehen Sie, dass er ebenfalls vier Spalten enthält. Die Spalte „PRICE“ hat jedoch den Datentyp „String“.
7. Bevor Sie die Verknüpfung „Vereinigen“ anwenden, müssen Sie den Schritt „Spaltentyp automatisch konvertieren“ löschen, damit die Spalte „PRICE“ denselben Datentyp wie die Spalte „PRICE“ im neuen Datensatz hat (Zeichenkette).
8. Die Spalte „PRICE“ enthält nun Zeichenfolgen.
9. Wiederhole nun die Vereinigungsoperation.
10. Der neue Datensatz wird dem aktuellen Datensatz hinzugefügt. Der Datensatz wird auf 12 Zeilen erweitert.
11. Die Verknüpfungsoperation wird im Bereich „Schritte“ angezeigt.
12. Fügen Sie nun einen Datensatz hinzu, der eine andere Anzahl von Spalten hat. Die entsprechenden Spalten müssen weiterhin kompatible Datentypen aufweisen.
13. Wählen Sie den Datensatz aus, den Sie mit dem aktuellen Datensatz zusammenführen möchten.
14. Wenn Sie eine Vorschau des neuen Datensatzes anzeigen, sehen Sie, dass er eine Spalte mehr enthält als der ursprüngliche Datensatz. Die fünfte Spalte ist „TYPE“.
15. Wählen Sie „Andere Spaltenanzahl zulassen“ und „Doppelte Werte zulassen“.
16. Wende die Vereinigungsoperation an.
17. Der neue Datensatz wird dem aktuellen Datensatz hinzugefügt. Der Datensatz wurde auf 18 Zeilen erweitert.
18. Dem Datensatz wird die zusätzliche Spalte „TYPE“ hinzugefügt.
19. Die Verknüpfungsoperation wird im Bereich „Schritte“ angezeigt.

Videotranskript

1. Die Funktion „Stoppwörter entfernen“ entfernt gebräuchliche Wörter der englischen Sprache aus dem Datensatz. Stoppwörter haben für Algorithmen und Modelle der Textanalyse in der Regel nur einen geringen semantischen Wert. Entfernen Sie die Stoppwörter, um das Datenvolumen zu reduzieren und die Datenqualität zu verbessern.
2. Die Funktion „Stoppwörter entfernen“ entfernt folgende Wörter: a, an, and, are, as, at, be, but, by, for, from, if, in, into, is, it, no, not, of, on, or, such, that, the, their, then, there, these, they, this, to, was, will, with.
3. Die Funktion „Stoppwörter entfernen“ befindet sich in der Kategorie „NATÜRLICHE SPRACHE“.
4. Wählen Sie die Spalte „STRING“ aus.
5. Klicken Sie auf „Übernehmen“, um die Stoppwörter zu entfernen.
6. Die Stoppwörter werden aus der Spalte „STRING“ entfernt.
7. Der Vorgang „Stoppwörter entfernen“ wird im Bereich „Schritte“ angezeigt.

Videotranskript

1. Die Funktion „Tokenize“ zerlegt englischen Text in Wörter, Sätze, Absätze, Zeilen, Zeichen oder nach regulären Ausdrücken.
2. Die Operation „Tokenize“ ist in der Kategorie „NATURAL LANGUAGE“ zu finden.
3. Wählen Sie die Spalte „STRING“ aus.
4. Verfügbare Optionen für die Tokenisierung.
5. Erstellen Sie eine neue Spalte mit dem Namen WORDS.
6. Die Operation „Tokenize“ hat die Wörter aus der Spalte „STRING“ übernommen und eine neue Spalte namens „WORDS“ erstellt, die für jedes Wort eine eigene Zeile enthält.
7. Der Vorgang „Tokenisieren“ wird im Bereich „Schritte“ angezeigt.