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・プロジェクトを使用することも、プロジェクトを作成することもできます。

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・プロジェクトを開きます。 新規プロジェクトを使用する場合は、以下のようにします。

   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説明 (オプション) 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。

以下のステップに従って、データ資産をプロジェクトに追加し、 Data Refinery フローを作成します。 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・ハブで使用可能です。

1. リソース・ハブの Airline 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・ハブからプロジェクトへのデータ資産の追加について詳しくは、 ノートブックでのデータのロードおよびアクセスを参照してください。

5. 「アセット」 タブで、 airline-data.csv データ・アセットをクリックして、そのコンテンツをプレビューします。

6. 「データの準備 (Prepare Data)」 をクリックして Data Refineryでファイルのサンプルを開き、 Data Refinery がデータのサンプルを読み取って処理するまで待ちます。

7. 「情報」 パネルおよび 「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、それらの列の値に基づいて自動的にプロファイルが作成され、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、各列の統計を確認します。 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. バーの上にカーソルを移動すると、追加の詳細が表示されます。

   次のイメージは、「プロファイル」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. 「円グラフ」 をクリックします。 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。 以下のステップに従って、詳細化されたデータ・セットを作成するジョブを実行します。

1. Data Refinery ツールバーで、 「ジョブ」 アイコンをクリックし、 「保存してジョブを作成」を選択します。
   

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、 「作成して実行」 をクリックして、ジョブを即時に実行します。
   

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 「状況」 が 「完了」になったら、プロジェクト・ナビゲーション証跡を使用して、プロジェクトの 「資産」 タブに戻ります。

9. 「データ」>「データ資産」 セクションをクリックして、 Data Refinery フロー airline-data_shaped.csvの出力を表示します。

10. 「フロー」>「 Data Refinery フロー」 セクションをクリックして、 Data Refinery フロー airline-data.csv_flowを表示します。

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ご覧ください。

Data Refinery フローを編集してデータ・セットをさらに詳細化するには、以下の手順を実行します。

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 列を降順でソートします。

   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、 「降順にソート」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. 「ターゲット・データ・セット」 パネルをクリックします。

5. 「プロパティーの編集」をクリックします。

   1. 「ターゲット・プロパティーのフォーマット」 ダイアログで、データ資産名を airline-data_sorted_shaped.csvに変更します。
      

   2. 「保存」 をクリックしてフロー設定に戻ります。

6. 「適用」をクリックして設定を保存します。

7. Data Refinery ツールバーで、 「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ご覧ください。

次に、以下のステップに従って、3 つのデータ資産 (元のデータ・セット、最初の精製データ・セット、および 2 番目の精製データ・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_形状」 データ資産をクリックして、ソートされていない平均遅延を表示します。 「アセット」 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。 「アセット」 タブに戻ります。

6. Data Refinery フロー airline-data.csv_flowが表示されている 「フロー」> Data Refinery フロー ・セクションをクリックします。