Inicio rápido: Refinar datos

Necesita un proyecto para almacenar los datos y el flujo de Data Refinery. Puede utilizar el proyecto de recinto de seguridad o crear un proyecto.

1. En el Menú de navegación , elija Proyectos > Ver todos los proyectos

2. Abra el proyecto de recinto de seguridad. Si desea utilizar un proyecto nuevo:

   1. Pulse Nuevo proyecto.

   2. Seleccione Crear un proyecto vacío.

   3. Especifique un nombre y una descripción opcional para el proyecto.

   4. Elija una instancia de servicio de almacenamiento de objetos existente o cree una nueva.

   5. Pulse Crear.

Para obtener una vista preliminar de esta tarea, vea el vídeo que empieza en 00:05.

Siga estos pasos para añadir un activo de datos al proyecto y crear un flujo de Data Refinery . El conjunto de datos que utilizará en esta guía de aprendizaje está disponible en el concentrador de recursos.

1. Acceda a los Datos de línea aérea en el concentrador de recursos.

2. Pulse Añadir al proyecto.

3. Seleccione el proyecto en la lista y pulse Añadir.

4. Después de añadir el conjunto de datos, pulse Ver proyecto.

   Para obtener más información sobre cómo añadir un activo de datos desde el concentrador de recursos a un proyecto, consulte Carga y acceso a datos en un cuaderno.

5. En la pestaña Activos , pulse el activo de datos airline-data.csv para obtener una vista previa de su contenido.

6. Pulse Preparar datos para abrir un ejemplo del archivo en Data Refineryy espere hasta que Data Refinery lea y procese un ejemplo de los datos.

7. Cierre los paneles Información y Pasos .

Para obtener una vista previa de esta tarea, vea el vídeo que empieza en 00:47.

El contenido de un activo se perfila automáticamente y se clasifica en función de los valores de esas columnas. Siga estos pasos para utilizar las pestañas Perfil y Visualizaciones para explorar los datos.

1. Pulse el separador Perfil para revisar la distribución de frecuencias de los datos para que pueda encontrar los valores atípicos.

   1. Desplácese por las columnas para ver las estadísticas de cada columna. Las estadísticas muestran el rango intercuartil, mínimo, máximo, mediana y desviación estándar en cada columna.

   2. Pase el cursor por encima de una barra para ver detalles adicionales.

   La imagen siguiente muestra la pestaña Perfil:
   

2. Pulse la pestaña Visualizaciones.

   1. Seleccione la columna UniqueCarrier para visualizarla. Los gráficos sugeridos tienen un punto azul junto a sus iconos.

   2. Pulse el gráfico Circular . Utilice las diferentes perspectivas disponibles en los gráficos para identificar patrones, conexiones y relaciones dentro de los datos.

Para obtener una vista preliminar de esta tarea, vea el vídeo que empieza en 04:16.

Cuando ejecuta un trabajo para el flujo de Data Refinery, se ejecutan los pasos en todo el conjunto de datos. Seleccione el tiempo de ejecución y añada una planificación puntual o cíclica. La salida del flujo de Data Refinery se añade a los activos de datos de proyecto. Siga estos pasos para ejecutar un trabajo para crear el conjunto de datos refinado.

1. En la barra de herramientas de Data Refinery , pulse el icono Trabajos y seleccione Guardar y crear un trabajo.
   

2. Escriba un nombre y una descripción para el trabajo y pulse Siguiente.

3. Seleccione un entorno de ejecución y pulse Siguiente.

4. (Opcional) Pulse el botón de conmutación para planificar una ejecución. Especifique la fecha, la hora y si desea que el trabajo se repita y pulse Siguiente.

5. (Opcional) Active las notificaciones para este trabajo, y pulse Siguiente.

6. Revise los detalles y pulse Crear y ejecutar para ejecutar el trabajo inmediatamente.
   

7. Cuando se cree el trabajo, pulse el enlace detalles del trabajo en la notificación para ver el trabajo en el proyecto. Como alternativa, puede ir hasta la pestaña Trabajos del proyecto y pulsar el nombre del trabajo para abrirlo.

8. Cuando el Estado del trabajo es Completado, utilice la pista de navegación del proyecto para volver al separador Activos del proyecto.

9. Pulse la sección Datos > Activos de datos para ver la salida del flujo de Data Refinery , airline-data_shaped.csv.

10. Pulse la sección Flujos > Flujos de Data Refinery para ver el flujo de Data Refinery , airline-data.csv_flow.

Para obtener una vista previa de esta tarea, vea el vídeo que empieza en 05:26.

Siga estos pasos para refinar más el conjunto de datos editando el flujo Data Refinery :

1. Pulse airline-data.csv_flow para abrir el flujo en Data Refinery.

2. Ordene la columna AverageDelay en orden descendente.

   1. Seleccione la columna AverageDelay .

   2. Pulse el menú Desbordamiento de la columna () y, a continuación, seleccione Ordenar descendente.

3. Pulse el icono Valores de flujo .

4. Pulse el panel Conjunto de datos de destino .

5. Pulse Editar propiedades.

   1. En el diálogo Formatear propiedades de destino , cambie el nombre del activo de datos a airline-data_sorted_shaped.csv.
      

   2. Pulse Guardar para volver a los valores de flujo.

6. Pulse Aplicar para guardar los valores.

7. En la barra de herramientas de Data Refinery , pulse el icono Trabajos y seleccione Guardar y ver trabajos.
   

8. Seleccione el trabajo para los datos de la compañía aérea y pulse Ver.

9. En la barra de herramientas Ventana de trabajo , pulse el icono Ejecutar trabajo .
   

Para obtener una vista previa de esta tarea, vea el vídeo que empieza en 06:40.

Ahora siga estos pasos para ver los tres activos de datos, el original, el primer conjunto de datos refinado y el segundo conjunto de datos refinado:

1. Cuando se haya completado el trabajo, vaya a la página del proyecto.

2. Pulse el separador Activos.

3. En la sección Activos de datos, verá el conjunto de datos original que ha cargado y la salida de los dos flujos de Data Refinery.

   • airline-data_sorted_shaped.csv
   • airline-data_csv_shaped
   • airline-data.csv

4. Pulse el activo de datos línea aérea-data_csv_con forma para ver el retardo medio sin ordenar. Vuelva a la pestaña Activos .

5. Pulse el activo de datos airline-data_sorted_shaped.csv para ver el retardo medio clasificado en orden descendente. Vuelva a la pestaña Activos .

6. Pulse la sección Flujos > Flujos de Data Refinery muestra el flujo de Data Refinery : airline-data.csv_flow.