クイック・スタート: データを詳細化する

データと Data Refinery フローを保管するためのプロジェクトが必要です。 サンドボックス・プロジェクトを使うことも、プロジェクトを作成することもできる。

1. ナビゲーション・メニュー から、プロジェクト > すべてのプロジェクトを表示を選択します

2. サンドボックスプロジェクトを開く。 新しいプロジェクトを使いたい場合：

   1. 新規プロジェクトをクリックしてください。

   2. 「空のプロジェクトの作成」を選択します。

   3. プロジェクトの名前と任意の説明を入力します。

   4. 既存の オブジェクト・ストレージ・サービス・インスタンス を選択するか、または新規作成します。

   5. 「作成」 をクリックします。

このタスクをプレビューするには、 00:05から始まるビデオをご覧ください。

以下の手順に従って、プロジェクトにデータ アセットを追加し、Data Refinery フローを作成してください。 このチュートリアルで使用するデータセットは、リソース・ハブで入手できます。

1. リソースハブの航空会社データにアクセスします。

2. プロジェクトに追加をクリックしてください。

3. リストからプロジェクトを選択し、追加をクリックします。

4. データ・セットが追加されたら、 プロジェクトの表示をクリックしてください。

   リソース ハブのデータ アセットをプロジェクトに追加する方法の詳細については、ノートブックのデータのロードとアクセスを参照してください。

5. Assets タブで、airline-data.csv データ アセットをクリックして、その内容をプレビューします。

6. Prepare dataをクリックしてファイルのサンプルをData Refineryで開き、Data Refineryがデータのサンプルを読み込んで処理するまで待ちます。

7. 情報とステップパネルを閉じます。

このタスクをプレビューするには、 00:47から始まるビデオをご覧ください。

資産の内容は、これらの列の値に基づいて自動的にプロファイリングされ、分類されます。 「プロファイル」タブと「視覚化」タブを使用してデータを探索するには、以下の手順に従ってください。

1. 外れ値を見つけるために、「プロファイル」タブをクリックして、データの度数分布を確認します。

   1. 列をスクロールして、各列の統計を見る。 統計には、各列の 4 分位範囲、最小値、最大値、中央値、および標準偏差が示されます。

   2. バーにカーソルを合わせると、詳細が表示されます。

   以下の画像はプロフィールタブを示しています：
   

2. 視覚化 タブをクリックしてください。

   1. 視覚化するために UniqueCarrier 列を選択してください。 推奨されるグラフには、そのアイコンの横に青いドットが表示されます。

   2. パイチャートをクリックする。 グラフ内で使用可能なさまざまなパースペクティブを使用して、データ内のパターン、接続、および関係を識別します。

このタスクをプレビューするには、 04:16から始まるビデオをご覧ください。

Data Refinery フローのジョブを実行すると、各ステップがデータ・セット全体で実行されます。 ユーザーはランタイムを選択して、1 回限りのスケジュールか繰り返しのスケジュールを追加します。 Data Refinery フローの出力は、プロジェクトのデータ資産に追加されます。 以下の手順に従ってジョブを実行し、洗練されたデータセットを作成します。

1. Data Refinery ツールバーから求人情報 アイコンをクリックし、ジョブの保存と作成.
   を選択する

2. ジョブの名前と説明を入力し、 次へをクリックしてください。

3. ランタイム環境を選択し、 次へをクリックしてください。

4. (オプション) トグル・ボタンをクリックして実行をスケジュールします。 日付、時刻、およびジョブを繰り返すかどうかを指定し、 次へをクリックしてください。

5. (オプション) このジョブの通知をオンにし、 次へをクリックしてください。

6. 詳細を確認し、Create and runをクリックすると、すぐにジョブが実行されます。
   

7. ジョブが作成されたら、通知内の ジョブの詳細 リンクをクリックして、プロジェクト内のジョブを表示します。 あるいは、プロジェクトの ジョブ タブにナビゲートし、ジョブ名をクリックして開くこともできます。

8. ジョブのステータスが完了の場合、プロジェクトのナビゲーショントレイルを使用して、プロジェクトの資産タブに戻ります。

9. Data > Data assets セクションをクリックすると、Data Refinery フローの出力、airline-data_shaped.csv が表示されます。

10. フロー > Data Refineryフローセクションをクリックすると、Data Refineryフロー、airline-data.csv_flowが表示されます。

このタスクをプレビューするには、05:26から始まるビデオを見てください。

以下の手順に従って、Data Refinery フローを編集してデータセットをさらに絞り込みます：

1. airline-data.csv_flow をクリックして、Data Refinery でフローを開きます。

2. AverageDelayカラムを降順にソートする。

   1. AverageDelay列を選択します。

   2. 列のオーバーフローメニュー（）をクリックし、降順ソートを選択します。

3. フロー設定アイコンをクリックします。

4. 対象データセットパネルをクリックします。

5. プロパティの編集をクリックします。

   1. Format target propertiesダイアログで、データ資産名をairline-data_sorted_shaped.csv.
      に変更する

   2. 保存をクリックして、フローの設定に戻ります。

6. 「適用」をクリックして設定を保存します。

7. Data Refineryツールバーから、ジョブアイコンをクリックし、ジョブの保存と表示を選択します。
   

8. 航空会社データのジョブを選択してから、 表示をクリックしてください。

9. ジョブ・ウィンドウツールバーから、ジョブの実行アイコンをクリックします。
   

このタスクをプレビューするには、06:40から始まるビデオを見てください。

次の手順に従って、3つのデータ資産（オリジナル、1つ目の精製データセット、2つ目の精製データセット）を表示します：

1. ジョブが完了したら、プロジェクト・ページに移動します。

2. 「資産」タブをクリックします。

3. データ資産 セクションに、アップロードした元のデータ・セットと、2 つの Data Refinery フローの出力が表示されます。

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

4. airline-data_csv_shapedデータアセットをクリックすると、ソートされていない平均遅延が表示されます。 資産タブに戻ります。

5. airline-data_sorted_shaped.csv データ資産をクリックすると、降順にソートされた平均遅延が表示されます。 資産タブに戻ります。

6. フロー > Data Refineryフローセクションをクリックすると、Data Refineryフローが表示されます：airline-data.csv_flow.