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」を選択する

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. リソースハブのエアライン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。

   次の画像は「プロフィール」タブです：
   '

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Jobsアイコンをクリックし、Saveを選択してジョブを作成する。
   '

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をクリックしてすぐにジョブを実行する。
   '

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ご覧ください。

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. 列のはみ出しメニュー（）をクリックし、降順ソートを選択する。

3. フロー設定アイコン「」をクリックする。

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. フォーマットターゲットのプロパティダイアログで、データアセット名を 'airline-data_sorted_shaped.csv.
      '変更します。

   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Jobsアイコンをクリックし、Save and view jobs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. ジョブウィンドウのツールバーから、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.