Transcripción de vídeo

1. La operación Convertir tipo de columna convierte automáticamente la primera columna de la serie en Entero. Cambiemos los tipos de datos de las otras tres columnas.
2. Para cambiar el tipo de datos de la columna europea de serie a decimal, seleccione la columna y, a continuación, edite el paso de la operación Convertir tipo de columna.
3. Para cambiar el tipo de datos de la columna europea de serie a decimal, seleccione la columna y, a continuación, edite el paso de la operación Convertir tipo de columna.
4. Seleccione Decimal.
5. La columna utiliza el delimitador de coma, por lo tanto seleccione coma (,) para el símbolo decimal.
6. Seleccione la siguiente columna, DATETIME. Seleccione la indicación de fecha y hora y un formato.
7. Pulse en Aplicar.
8. Las columnas son ahora de los tipos de datos Entero, Decimal, Fecha y Indicación de fecha y hora. Se actualiza el paso Convertir tipo de columna en el panel Pasos.

Transcripción de vídeo

1. La operación Convertir valor de columna en valor que falta convierte los valores de una columna seleccionada en valores que faltan si coinciden con los valores de una columna especificada o si coinciden con un valor especificado.
2. Un valor que falta es equivalente a un SQL NULL, que es un campo sin ningún valor. Es distinto de un valor de cero o de un valor que contiene espacios.
3. Puede utilizar la operación Convertir valor de columna en valor que falta cuando crea que los datos estarán mejor representados como valores que faltan. Por ejemplo, cuando desea utilizar valores que faltan en una operación Sustituir valores que faltan o en una operación Filtrar.
4. Utilice la operación Convertir valor de columna en valor que falta para cambiar los valores a valores que faltan en función de un valor coincidente.
5. Observe que la columna DESC tiene muchas filas con el valor CANCELLED ORDER. Vamos a convertir las series CANCELLED ORDER en valores que faltan.
6. La operación Convertir valor de columna en valor que falta está bajo la categoría CLEANSE.
7. Escriba la serie que se ha de sustituir por valores que faltan.
8. Los valores que antes eran CANCELLED ORDER son ahora valores que faltan.

Transcripción de vídeo

1. La operación Extraer valor de fecha u hora extrae una parte seleccionada de un valor de fecha u hora de una columna con un tipo de datos de fecha o de indicación de fecha y hora.
2. La columna DATE es un tipo de datos de serie. En primer lugar, vamos a utilizar la operación Convertir tipo de columna para convertirla en el tipo de datos de fecha.
3. Seleccione la operación Convertir tipo de columna en el menú de la columna DATE. Seleccione Date.
4. Seleccione un formato de Date.
5. Ahora la columna DATE es un tipo de datos de fecha.
6. El formato de fecha ISO se utiliza cuando el tipo de datos de serie se ha convertido al tipo de datos de fecha Por ejemplo, la serie 01/08/2018 se ha convertido a la fecha 2018-01-08.
7. Ahora podemos extraer la parte de la fecha correspondiente al año en una nueva columna.
8. La operación del valor Extraer valor de fecha o de hora está bajo la categoría LIMPIAR.
9. Seleccione Year para la parte de la fecha que se va a extraer y escriba YEAR para el nuevo nombre de columna.
10. La parte de la columna DATE correspondiente al año está en la nueva columna, YEAR.
11. El panel Pasos muestra la operación Extraer valor de fecha u hora.

Transcripción de vídeo

1. Utilice la operación Filtrar para filtrar las filas por las columnas seleccionadas. Puede aplicar varias condiciones en una operación Filtrar.
2. Utilice una expresión regular para filtrar todas las filas excepto aquellas en las que la serie de la columna de ID de Emp empieza por 8.
3. Filtre las filas por dos abreviaturas de estados.
4. Pulse en Aplicar. Sólo las filas donde el ID de Emp empieza por 8 y el estado es AR o TX están en la tabla.
5. Las filas se filtran ahora por AR y PA. Se actualiza el paso Filtrar en el panel Pasos.

Transcripción de vídeo

1. Utilice la operación Eliminar columna para eliminar rápidamente una columna de un activo de datos.
2. La forma más rápida de eliminar una columna es desde el menú de la columna.
3. El nombre de la columna eliminada está en el panel Pasos.
4. Elimine otra columna.
5. El nombre de la columna eliminada está en el panel Pasos.

Transcripción de vídeo

1. La operación Eliminar duplicados elimina filas que tienen valores de columna duplicados.
2. El conjunto de datos tiene 43 filas. Muchas de las filas de la columna APPLYCODE tienen valores duplicados. Queremos reducir el conjunto de datos en las filas en las que cada valor de la columna APPLYCODE solo aparece una vez.
3. Seleccione la operación Eliminar duplicados en el menú de la columna APPLYCODE.
4. La operación Eliminar duplicados ha eliminado cada aparición de un valor duplicado. El conjunto de datos es ahora de 4 filas.

Transcripción de vídeo

1. La operación Eliminar filas vacías elimina filas que tienen un valor en blanco o un valor que falta para la columna seleccionada.
2. Un valor que falta es equivalente a un SQL NULL, que es un campo sin ningún valor. Es distinto de un valor de cero o de un valor que contiene espacios.
3. El conjunto de datos tiene 43 filas. Muchas de las filas de la columna TRACK tienen valores que faltan Queremos reducir el conjunto de datos en las filas que tienen un valor en la columna TRACK.
4. Seleccione la operación Eliminar filas vacías desde el menú de la columna TRACK.
5. La operación Eliminar filas vacías ha eliminado cada fila que tenía un valor en blanco o un valor que falta en la columna TRACK. El conjunto de datos es ahora de 21 filas.

Transcripción de vídeo

1. La operación Sustituir valores que faltan sustituye los valores que faltan en una columna por un valor especificado o por el valor de una columna especificada en la misma fila.
2. La columna STATE tiene muchas filas con valores vacíos. Queremos sustituir estos valores vacíos por una serie.
3. La operación Sustituir valores que faltan está bajo la categoría CLEANSE.
4. Para la columna Estado, sustituya los valores que faltan por la serie Incompleto.
5. Los valores que faltan ahora tienen el valor Incompleto.
6. El panel Pasos muestra la operación Sustituir valores que faltan.

Transcripción de vídeo

1. La operación Sustituir subserie sustituye una subserie por el texto que especifique.
2. La columna DECLINE tiene muchas filas que incluyen la serie BANC. Queremos sustituir esta serie por BANK.
3. La operación Sustituir subserie está bajo la categoría CLEANSE.
4. Escriba la serie que se debe sustituir y la serie de sustitución.
5. Todas las apariciones de la serie BANC se han sustituido por BANK.
6. El panel Pasos muestra la operación Sustituir subserie.

Transcripción de vídeo

1. La operación de sustitución oculta la información confidencial sustituyendo una serie aleatoria de caracteres para los datos de la columna seleccionada.
2. La forma más rápida de sustituir los datos de una columna es seleccionar Sustituir en el menú de la columna.
3. La operación Sustituir se muestra en el panel Pasos.
4. Sustituir valores en otra columna.
5. La segunda operación de sustitución se muestra en el panel Pasos.

Transcripción de vídeo

1. La operación Cálculo realiza un cálculo, por ejemplo, suma o resta, con otra columna o con un valor especificado.
2. Seleccione la columna para comenzar.
3. Cálculos disponibles
4. Ahora seleccione la segunda columna para el cálculo de suma.
5. Y aplique el cambio.
6. La columna de ID se actualiza y el panel Pasos muestra la operación completada.
7. También puede acceder a las operaciones desde el menú de la columna.
8. Esta vez, seleccione entre dos números. Especifique el rango y cree una nueva columna para los resultados.
9. La nueva columna se muestra en la tabla y la nueva operación de cálculo se muestra en el panel Pasos.
10. Esta vez, seleccione Es igual que para comparar dos columnas y crear una nueva columna para los resultados.
11. La nueva columna se muestra en la tabla y la nueva operación de cálculo se muestra en el panel Pasos.

Transcripción de vídeo

1. La operación Agregar aplica cálculos de resumen a los valores de una o varias columnas. Cada agregación crea una columna nueva.
2. Las agregaciones disponibles dependen de si los datos son datos numéricos o de serie.
3. Los operadores disponibles dependen del tipo de datos de la columna. Operadores disponibles para datos numéricos.
4. Con la columna de texto UniqueCarrier seleccionada, puede ver los operadores disponibles para los datos de serie.
5. Contaremos cuántos valores exclusivos hay en la columna UniqueCarrier. Esta agregación mostrará cuántas aerolíneas hay en el conjunto de datos.
6. Tenemos 22 aerolíneas en la nueva columna Aerolíneas. Las otras columnas se suprimen.
7. La operación Agregar se muestra en el panel Pasos.
8. Comencemos a mostrar una agregación en datos numéricos.
9. Mostrar el promedio (valor medio) de los retrasos de llegadas.
10. El valor promedio de todos los retrasos de llegadas está en la nueva columna MeanArrDelay. Las otras columnas se suprimen.
11. También puede agrupar la columna agregada por otra columna que define una característica del grupo.
12. Vamos a editar el paso Agregar añadiendo un grupo por selección para que podamos ver el promedio de los retrasos de llegadas por parte de la aerolínea.
13. Agrupe los resultados por la columna UniqueCarrier.
14. El promedio de retrasos de llegadas se ha agrupado ahora por línea aérea.
15. El panel Pasos muestra la operación Agregar.

Transcripción de vídeo

1. La operación Concatenar concatena los valores de dos o más columnas.
2. La función Concatenar se encuentra bajo la categoría ORGANIZE.
3. Seleccione las columnas que se han de concatenar.
4. Seleccione un separador para utilizarlo entre los valores concatenados.
5. Escriba un nombre para la columna para los valores concatenados.
6. La nueva columna puede visualizarse como la columna situada más a la derecha en el conjunto de datos o junto a la columna original.
7. Mantenga las columnas originales y aplique los cambios.
8. La nueva columna DATE muestra los valores concatenados de las otras tres columnas con un separador de punto y coma.
9. La operación Concatenar se muestra en el panel Pasos.
10. La columna DATE es un tipo de datos de serie. Utilice la operación Convertir tipo de columna para convertirla en el tipo de datos de fecha.
11. Seleccione la operación Convertir tipo de columna en el menú de la columna DATE. Seleccione Date.
12. Seleccione un formato de fecha y cree una nueva columna para el resultado.
13. Coloque la nueva columna junto a la columna original y aplique los cambios.
14. La nueva columna se muestra con el formato de fecha convertido.
15. La operación Convertir tipo de columna se muestra en el panel Pasos.
16. El formato de fecha ISO se utiliza cuando el tipo de datos de serie se ha convertido al tipo de datos de fecha Por ejemplo, la serie 2004; 2; 3 se ha convertido a la fecha 2004-02-03.

Transcripción de vídeo

1. Utilice la operación Sustitución condicional para sustituir los valores de una columna basada en condiciones.
2. En primer lugar, especifique las condiciones para sustituir los datos de la columna de serie CODE y crear una nueva columna para los resultados.
3. Operadores de condición disponibles para datos de serie.
4. Añadir la primera condición - CONDITION 1: CODE Es igual que el valor C sustituir por COMPLETE.
5. Añada una segunda condición - CONDITION 2: CODE Es igual que el valor I sustituir por INCOMPLETE.
6. Especifique qué hacer con los valores que no cumplen las condiciones. Aquí se especificarán dos comillas dobles para indicar una serie vacía.
7. Cree una nueva columna para los resultados.
8. La nueva columna, STATUS, muestra las sustituciones condicionales de la columna CODE.
9. La operación Sustitución condicional se muestra en el panel Pasos.
10. A continuación, vamos a especificar condiciones para sustituir los datos de la columna de enteros INPUT y crear una nueva columna para los resultados.
11. Operadores de condición disponibles para datos numéricos.
12. Añadir la primera condición - CONDITION 1: INPUT Es menor o igual que el valor 3 sustituir por el valor LOW.
13. Añadir una segunda condición - CONDITION 2: INPUT está en los valores 4,5,6 sustituir por el valor MED.
14. Añadir una tercera condición - CONDITION 3: INPUT Es mayor o igual que el valor 7 sustituir por el valor HIGH.
15. Especifique qué hacer con los valores que no cumplen las condiciones.
16. Cree una nueva columna para los resultados.
17. La nueva columna, RATING, muestra las sustituciones condicionales de la columna INPUT.
18. La operación Sustitución condicional se muestra en el panel Pasos.

Transcripción de vídeo

1. El conjunto de datos customers.csv contiene información sobre los clientes de la empresa y el conjunto de datos sales.csv contiene información sobre los representantes de ventas de la empresa.
2. Los conjuntos de datos comparten la columna SALESREP_ID.
3. El conjunto de datos customers.csv está abierto en Data Refinery.
4. La operación Unión puede combinar los datos de estos dos conjuntos de datos en función de una comparación de los valores de la columna SALESREP_ID.
5. Desea realizar una unión interna para devolver sólo las filas de cada conjunto de datos que coincidan con el otro conjunto de datos.
6. Puede añadir un sufijo personalizado para añadirlo a las columnas que existen en ambos conjuntos de datos, para ver el conjunto de datos de origen para esta columna.
7. Seleccione el conjunto de datos sales.csv para unirlo al conjunto de datos customers.csv.
8. Para la clave de unión, empiece a escribir el nombre de columna para ver una lista filtrada. La columna SALESREP_ID enlaza los dos conjuntos de datos.
9. A continuación, seleccione las columnas que desea incluir. Las columnas duplicadas mostrarán el sufijo añadido.
10. Ahora aplique los cambios.
11. La operación Unión se muestra en el panel Pasos.
12. Ahora, el conjunto de datos se ha enriquecido con las columnas de los conjuntos de datos customers.csv y sales.csv.

Transcripción de vídeo

1. Utilice la operación Renombrar columna para renombrar rápidamente una columna.
2. La forma más rápida de renombrar una columna es editar el nombre de la columna en la tabla.
3. Edite el nombre y pulse Intro en el teclado.
4. El paso Renombrar columna muestra el nombre antiguo y el nombre nuevo.
5. Ahora cambie el nombre de otra columna.
6. El panel Pasos muestra que el nombre de la columna BANKS ha cambiado a DOGS.
7. Ahora cambie el nombre de la última columna.
8. El panel Pasos muestra que el nombre de la columna RATIOS ha cambiado a BIRDS.

Transcripción de vídeo

1. La operación Muestra genera un subconjunto de sus datos.
2. Utilice la operación Muestra cuando tenga una gran cantidad de datos y desee trabajar en una muestra representativa para crear prototipos de forma más rápida.
3. La operación Muestra está en la categoría ORGANIZE.
4. Seleccione uno de los dos métodos para crear una muestra.
5. Con una muestra aleatoria, cada fila tiene la misma probabilidad de ser incluida en los datos de muestra.
6. Puede elegir una muestra aleatoria por número de filas o por porcentaje de datos.
7. Una muestra estratificada está basada en un ejemplo aleatorio. Al igual que con un ejemplo aleatorio, especifica la cantidad de datos de la muestra (filas o porcentaje).
8. Con una muestra estratificada: divide los datos en uno o más subgrupos denominados estratos. A continuación, genera una muestra aleatoria que contiene datos de cada subgrupo.
9. Para Método, si selecciona Automático, selecciona una columna para los estratos.
10. Si selecciona Manual, especifica uno o más estratos y para cada estrato especifica las condiciones de filtro que definen las filas de cada estrato.
11. En este ejemplo de datos de aerolíneas, se crearán dos estratos. Un estrato define el 50% de salidas para tener los aeropuertos de destino de la ciudad de Nueva York y el segundo estrato define el 50% restante para tener una distancia de vuelo especificada.
12. En el recuadro Especificar detalles para este estrato, especifique el porcentaje de la muestra que representará las condiciones que especificará en este primer estrato. Los porcentajes de estrato deben ser un total del 100%.
13. Operadores disponibles para datos de serie.
14. El 50% de la muestra tendrá aeropuertos de destino de la ciudad de Nueva York.
15. Pulse Guardar para guardar los primeros estratos.
16. Los primeros estratos, identificados como Strata0, tienen una condición. En este estrato, el 50% de la muestra debe cumplir con la condición.
17. En el recuadro Especificar detalles para este estrato, especifique el porcentaje de la muestra que representará las condiciones que especificará en el segundo estrato.
18. Operadores disponibles para datos numéricos.
19. El 50% de la muestra será para los vuelos con una distancia superior a 500.
20. Pulse Guardar para guardar el segundo estrato.
21. El segundo estrato, identificado como Strata1, tiene una condición. En este estrato, el 50% de la muestra debe cumplir con la condición.
22. Si utiliza varios estratos, la operación Muestra aplica internamente una operación de filtro con una condición OR en los estratos. En función de los datos, las condiciones y el tamaño de la muestra, los resultados de utilizar un estrato con varias condiciones pueden ser diferentes a los resultados de utilizar varios estratos.
23. A diferencia de otras operaciones de Data Refinery, la operación Muestra cambia el conjunto de datos solo después de crear y ejecutar un trabajo para el flujo de Data Refinery.
24. El paso Muestra se visualiza en el panel Pasos.
25. El conjunto de datos es superior a 10000 filas.
26. Guarde y cree un trabajo para el flujo de Data Refinery.
27. El nuevo archivo de activo se añade al proyecto para la salida del flujo de Data Refinery.
28. Ver el archivo de salida.
29. Hay 10 filas (50% de la muestra) con los aeropuertos de Nueva York en la columna Dest, pero 17 filas en la columna Distance con valores mayores que 500.
30. Estos resultados se deben a que los estratos se aplicaron con una condición OR y habían datos solapados para las condiciones especificadas en los primeros estratos donde las filas filtradas por Dest que contenían los aeropuertos de Nueva York tenían valores de distancia superiores a 500.
31. El archivo de salida de Data Refinery muestra el tamaño reducido.

Transcripción de vídeo

1. Ordene rápidamente todas las filas de un conjunto de datos ordenando las filas de una columna seleccionada.
2. La forma más rápida de ordenar las columnas es desde el menú de la columna.
3. Puede clasificar las filas por orden ascendente o descendente.
4. Orden ascendente.
5. El orden de todas las filas de la tabla se actualiza mediante la operación Clasificar de la primera columna.
6. La operación Clasificar se muestra en el panel Pasos.
7. Orden descendente.
8. La operación Clasificar ha cambiado el orden de todas las filas de la segunda columna de la tabla.
9. La segunda operación de clasificación se muestra en el panel Pasos.
10. Orden ascendente.
11. La operación Clasificar ha cambiado el orden de todas las filas de la tercera columna de la tabla.
12. La tercera operación Clasificar se muestra en el panel Pasos.

Transcripción de vídeo

1. La operación Dividir columna divide una columna en dos o más columnas basándose en caracteres no alfanuméricos, texto, patrón o posición.
2. Para empezar, vamos a dividir la columna YMD en las columnas YEAR, MONTH y DAY.
3. La operación Dividir columna está en la categoría ORGANIZAR.
4. En primer lugar, seleccione la columna YMD para dividir.
5. Los separadores ofrecen cuatro opciones para dividir la columna.
6. DEFAULT utiliza cualquier carácter no alfanumérico que esté en los valores de l columna para dividir la columna.
7. En TEXT, seleccione un carácter o escriba text para dividir la columna.
8. En PATTERN, debe especificar una expresión regular basada en la sintaxis R para determinar dónde se ha de dividir la columna.
9. En POSITION, puede especificar en qué posición se ha de dividir la columna.
10. Queremos dividir la columna YMD mediante el asterisco (*), que es un carácter no alfanumérico, por lo que seleccionaremos la pestaña DEFAULT.
11. Divida la columna YMD en tres nuevas columnas - YEAR, MONTH y DAY.
12. Las tres nuevas columnas, YEAR, MONTH y DAY se añaden al conjunto de datos.
13. La operación Dividir columna se muestra en el panel Pasos.
14. A continuación, divida la columna FLIGHT en dos columnas - una para el código de línea aérea y otra para el número de vuelo. Dado que los códigos de líneas aéreas son dos caracteres, podemos dividir la columna por posición.
15. Pulse la pestaña POSITION y luego escriba 2 en el recuadro Positions.
16. Divida la columna FLIGHT en dos nuevas columnas: AIRLINE y FLTNMBR.
17. Las dos nuevas columnas, AIRLINE y FLIGHTNBR, se añaden al conjunto de datos.
18. La operación Dividir columna se muestra en el panel Pasos.

Transcripción de vídeo

1. Utilice la operación Unión para combinar las filas de dos conjuntos de datos que comparten el mismo esquema.
2. Este conjunto de datos tiene cuatro columnas y seis filas. Los tipos de datos de izquierda a derecha son Serie, Serie, Decimal, Serie.
3. Cuando el conjunto de datos se ha cargado en la Refinería de datos, la operación Convertir tipo de columna automáticamente convierte la columna PRICE en el tipo de datos Decimal.
4. Las columnas del segundo conjunto de datos deben ser compatibles con los tipos de datos de este conjunto de datos.
5. Seleccione el conjunto de datos que se ha de combinar con el conjunto de datos actual.
6. Cuando obtenga una vista previa del nuevo conjunto de datos, verá que también tiene cuatro columnas. No obstante, la columna PRICE es un tipo de datos de serie.
7. Antes de aplicar la operación Unión, debe suprimir el paso Convertir tipo de columna automáticamente para que la columna PRICE tenga el mismo tipo de datos que la columna PRICE en el nuevo conjunto de datos (Serie).
8. Ahora la columna PRICE ahora es de datos de serie.
9. Ahora repita la operación de unión.
10. El nuevo conjunto de datos se añade al conjunto de datos actual. El conjunto de datos aumenta a 12 filas.
11. La operación Unión se muestra en el panel Pasos.
12. Ahora añada un conjunto de datos que tenga un número diferente de columnas. Las columnas coincidentes deben seguir siendo tipos de datos compatibles.
13. Seleccione el conjunto de datos que se ha de combinar con el conjunto de datos actual.
14. Cuando obtiene una vista previa del nuevo conjunto de datos, verá que tiene una columna más que el conjunto de datos original. La quinta columna es TYPE.
15. Seleccione Permitir un número diferente de columnas y permitir valores duplicados.
16. Aplique la operación Unión.
17. El nuevo conjunto de datos se añade al conjunto de datos actual. El conjunto de datos aumenta a 18 filas.
18. La columna adicional, TYPE, se añade al conjunto de datos.
19. La operación Unión se muestra en el panel Pasos.

Transcripción de vídeo

1. La operación Eliminar palabras vacías elimina las palabras comunes del idioma inglés del conjunto de datos. Las palabras vacías suelen tener poco valor semántico para los algoritmos de análisis de texto y los modelos. Elimine las palabras vacías para reducir el volumen de datos y mejorar la calidad de los datos.
2. La operación Eliminar palabras vacías elimina estas palabras: 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. La operación Eliminar palabras vacías está bajo la categoría LENGUAJE NATURAL.
4. Seleccione la columna STRING.
5. Pulse Aplicar para eliminar las palabras vacías.
6. Las palabras vacías se eliminan de la columna STRING.
7. La operación Eliminar palabras vacías se muestra en el panel Pasos.

Transcripción de vídeo

1. La operación Tokenizar desglosa el texto en inglés en palabras, frases, párrafos, líneas, caracteres o mediante una expresión regular.
2. La operación Tokenizar está bajo la categoría LENGUAJE NATURAL.
3. Seleccione la columna STRING.
4. Opciones de tokenizar disponibles.
5. Cree una nueva columna con el nombre WORDS.
6. La operación Tokenizar ha tomado las palabras de la columna STRING y ha creado una nueva columna, WORDS, con una fila para cada palabra.
7. La operación Tokenizar se muestra en el panel Pasos.