教程 - 初学者的数据流

本教程将介绍一个基本的数据准备用例，让你更加熟悉构建数据流所需的不同步骤，以及所提供的不同可能性。使用所附的包含几个数据集的软件包，您就可以重现本教程的所有步骤。

本方案将重点关注一个销售数据样本，其中包含来自世界各地的客户，以及他们的姓名、订单日期和状态、原籍国、州、地址、电话号码等信息。比方说，您想准备数据，以便重点关注来自美国的客户。您将把美国客户的所有数据分离出来，添加缺失的原籍国信息，对格式稍作修改，然后把数据导出到一个新文件中，以便用作分析应用程序等的数据源。

先决条件

下载该程序包并将其在您的桌面上解压：

数据流初级教程

该包内含完成本教程所需的以下数据文件：

• sales_data_sample.xlsx

• states.xlsx

将源文件添加到目录中

在开始创建数据流之前，需要在分析平台中提供软件包中的两个文件。将数据源添加到目录中：

1. 从启动器菜单中选择分析 > 目录。

2. 单击右上角的新建按钮，然后选择数据集。

3. 在打开的窗口中，单击上传数据文件。

4. 将桌面上的教程文件拖放至添加文件窗口的专用区域，或单击浏览从其位置选择文件。

5. 单击上传。

创建数据流并添加源

现在各部分都已设置完毕，可以开始创建数据流，首先从源开始。

1. 从启动器菜单开始，选择分析 > 准备数据。

2. 单击数据流磁贴或单击新建 > 数据流。

3. 在新建数据流窗口中，设置数据流的信息如下，然后单击创建：

   • 数据流教程作为名称。

   • 个人作为空间。

   • 数据流，准备以美国客户为重点的销售数据，作为描述。

   • 教程作为标签。

   您的空数据流会打开。

   

4. 单击空白画布上的浏览目录，开始查看已添加到目录中的数据集。

5. 使用过滤搜索查找之前上传的 sales_data_sample.xlsx 和 states.xlsx 数据集，并选择其名称前的复选框。

6. 单击下一步。

7. 查看摘要中的数据集及其字段，然后单击加载到数据流中。

   两个源数据集都添加到画布中，您可以使用处理器开始准备数据。sales_data_sample.xlsx 是您要使用的主要数据集，而 states.xlsx 将用作附加数据。

   

筛选美国客户数据

现在，您可以开始准备数据，通过使用处理器进行连续更改。第一步是缩小数据集的范围，只关注美国客户。为此，请使用筛选器处理器，只选择 COUNTRY 字段中包含 USA 值的记录。

1. 单击画布上 sales_data_sample 源的操作菜单 ()。

2. 在打开的菜单中选择添加处理器 > 筛选器。

   

   筛选器处理器被放置在画布上，并已自动与源连接。

   信息注释也可以从处理器左侧面板手动拖放处理器，并手动连接节点。

3. 如果尚未打开，请单击画布右上方的属性，打开处理器属性面板，在这里可以配置处理器，查看数据预览和脚本。

4. 在自定义属性面板中，单击处理器名称旁边的编辑图标 ()，给处理器起一个更有意义的名称，如美国筛选器，以及一个简短的描述，如筛选美国客户。

5. 从要处理的字段下拉列表中选择国家。

6. 从运算符下拉列表中选择 =。

7. 在使用字段中，选择值并输入美国。

8. 从选择匹配的行列表中，选择所有筛选器。

   这些参数在组合多个筛选器时更为有用。

9. 单击应用。

   处理器配置有效，但仍显示未连接消息，是因为处理器还没有输出流。

10. 单击底部面板中的预览数据。

    从预览中可以看到，在此阶段只保留了以美国为国家的行，并将在输出流中传播。到目前为止，您的数据流应该如下所示：

    

从另一个数据集添加州名

对于其余的美国客户，州字段包含原籍州，但为双字母代码。要想让这些信息更容易阅读，最好能提供州的全称。

您之前作为源代码导入的 states.xlsx 数据集恰好包含了美国所有州的双字母代码参考以及相应的全称。您将在这两个数据集之间执行联接，以检索州名并补充您的主要流。

执行联接：

1. 单击筛选器处理器的操作菜单 () 并选择添加处理器到匹配分支 > 联接。

2. 使用属性面板中的编辑图标 () 重新命名处理器为全状态名称。

3. 将状态源连接到联接处理器的底部锚点。要创建链接，请单击源节点右侧的圆点，按住不放，然后将链接拖动到处理器节点左侧底部的圆点。

   

4. 在联接类型下拉列表中，选择左外部联接。

5. 在左键下拉列表中，选择状态关键字段。

6. 在右键下拉列表中，选择缩略词字段。

   所选的两列包含共同信息，可在两个输入流之间建立联系。通过左外联接，只有第二个数据集的附加字段才会被添加到主要流中。

7. 单击应用。

   

   在数据集末尾添加了一个新字段州，其中包含每个客户所在州的全称。

重命名并移动字段

现在，您的列的命名和格式有几个问题。STATE 和 State 太相似，容易混淆，两个领域相差太远。为提高字段的一致性和统一性，您可以使用选择字段处理器来重新命名和移动字段。

1. 单击联接处理程序的操作菜单 () ，选择添加处理器 > 选择字段。

2. 连接联接处理器和选择字段处理器。

   

3. 使用属性面板中的编辑图标 () 将处理器重命名为重命名状态字段。

4. 将鼠标指向要重新命名的字段，然后单击 编辑图标，编辑两个字段的名称，如下所示：

   • STATECODE 为 STATE

   • STATENAME 为 State

5. 使用 = 图标将新的 STATENAME 列拖放至 STATECODE 旁边。

6. 单击应用。

   您重新组织了字段，数据流看起来是这样的：

   

客户名称大写

为了突出客户的姓氏，并使其更容易与名字区分开来，您将使用字符串处理器的简单格式函数，将姓氏大写。

1. 单击选择字段处理器的操作菜单 ()，选择添加处理器 > 字符串。

2. 连接选择字段处理器到字符串处理器。

   

3. 使用属性面板中的编辑图标 () 重新命名处理器为大写。

4. 在函数名称下拉列表中，选择改为大写。

5. 在要处理的字段下拉列表中，选择 CONTACTLASTNAME。

6. 单击应用。

   

添加目标并运行数据流

主要的准备步骤已经完成，现在可以通过配置如何导出生成的数据来最终确定数据流。在这种情况下，您将把准备好的数据导出为直接存储在目录中的 .qvd 文件，方便以后在分析应用程序等中使用。

1. 点击字符串处理器的操作菜单 ()，选择添加目标 > 无断点空格。

2. 将字符串处理器连接到数据文件目标。

   

3. 使用属性面板中的编辑图标 () 重新命名处理器为 QVD 目标。

4. 在空间下拉列表中，选择个人。

5. 在文件名字段中输入 tutorial_output。

6. 在扩展下拉列表中，选择 .qvd。

7. 单击应用。

   从标题栏中的状态，以及每个数据源、处理器和目标节点下的绿色勾号可以看出，您的数据流现在已经完成并有效。

   

8. 单击窗口右上方的运行流程按钮。

   打开一个模态窗口，显示运行进度。

   

   一段时间后，窗口关闭，并打开一个通知，告诉你运行是否成功。现在可以在目录中或数据流概览面板的输出部分找到数据流的输出。

下一步

您已经学会了如何将数据源导入目录，建立简单的数据流来筛选和改进数据，并将准备数据的结果导出为即用文件。

要了解在自己的用例中使用数据流的多种方法，可以查看 数据流处理器 的完整列表及其提供的功能。

要了解如何在分析应用程序中使用准备好的数据，请参阅创建分析和数据可视化。