5.1数据去重
5.1.1完全去重
点击“获取字段”,配置csv文件输入的属性:Name,Gender,City
配置唯一行属性,选择要去重的属性:Name,Gender,City
运行结果,完全去重成功
5.1.2不完全去重
将文本分隔符替换为一个TAB,选择字段:Name,UserLevel,Phone,VisitTime
配置唯一行,选择要比较去重的字段:Name,UserLevel,Phone
运行结果:不完全去重成功
5.2缺失值处理
5.2.2去除缺失值
配置文本文件输入,获取字段:Name,Sex,Pay,Area
配置过滤记录组件,添加过滤条件
查看效果
运行成功
5.2.3填充缺失值
配置过滤记录控件
配置合并记录控件,选择匹配关键字:userid
将hours_per_week的null值替换为44
将字段workclass的null值替换为Private
配置字段选择控件,移除flagfield字段
查看结果:已经将null值填充完毕
5.3.3删除包含异常值的记录
读取文件出错
5.3.4修补异常值
将Height字段的null值替换为170
合并记录,选择匹配的关键字段:id
将Height字段的260设置为null
设置过滤记录条件:Height>=114 and Height<=226
配置表输入,写入SQL语句:SELECT * FROM interpolation_data
运行结果:数据表interpolation_data中的异常值已被替换
5.4.1数据一致性处理
配置表输入,写入SQL语句:SELECT * FROM personnel_information
配置值映射,使用GENDER字段,将Male和Female分别映射为0,1
配置插入/更新控件
运行结果
5.4.2数据规范化
配置制自定义常量数据控件,添加元数据:ProductionDate,ProductionName,ProductionNumber,CommoditySales
配置计算器控件,计算CommoditySales/ProductionNumber的值并命名为Unitprice
配置数据检验控件,添加date_verify,name_verify,price_verify检验
运行结果