Dela upp i stad och kvantitet

Du har nyligen börjat arbeta som dataanalytiker på möbelföretaget "KIA Furnitures."

Företaget vill förbättra sin orderdatamängd genom att lägga till information om stad och kvantitet för varje order. Den informationen finns för tillfället samlad i kolumnen City-Quantity på grund av ett pågående problem med datalagringen. Din uppgift är att dela upp den här kolumnen i de separata kolumnerna City och Quantity.

Displays the City-Quantity column

Den här övningen är en del av kursen

Datatransformation i KNIME

Visa kurs

Interaktiv övning med praktiskt arbete

Gör teori till handling med en av våra interaktiva övningar

Starta övningen

Datatransformation i KNIME

SkillTag.level.beginnerSkillTag.label

4.8+

285 reviews

I det här kapitlet lär du dig att dela upp kolumner baserat på cellvärden, så att du kan separera kombinerad data i mer hanterbara delar. Därefter utforskar du hur villkorssatser används för datatransformation, vilket gör det möjligt att tillämpa specifika regler på din datamängd. Du lär dig också att använda logiska operatorer för att formulera logiska villkor. Avslutningsvis ser du hur du byter namn på en eller flera kolumner, så att din datamängd är välorganiserad och lätt att förstå.

Exercise 1: Villkorssatser och logiska operatorer Exercise 2: Tilldela inflationsvärde Exercise 3: Förbättra studentdata Exercise 4: Dela upp i stad och kvantitet

Aktuell övning

Exercise 5: Byt namn på kolumner Exercise 6: Tilldela rabattsats

Fördjupa dig i uttrycksbaserad datatransformation – en viktig färdighet inom databearbetning. Kapitlet tar upp hur stränguttryck används för olika strängoperationer. Du lär dig också att arbeta med matematiska uttryck med hjälp av formler och operatorer, och att skapa anpassade kolumner efter dina behov. Kapitlet avslutas med att du bygger blandade uttryck som kombinerar matematiska och strängbaserade uttryck – ett komplett verktyg för avancerad datatransformation.

Exercise 1: Sträng- och matematikuttryck Exercise 2: Beräkna artiklarnas totalsumma Exercise 3: Beräkna studentpoäng Exercise 4: Konvertera försäljningskolumnen till numerisk Exercise 5: Beräkna rabattvärde Exercise 6: Beräkna vinst

Lär dig att lägga till och slå samman kolumner från flera tabeller, så att du kan konsolidera data från olika källor. Upptäck hur du lägger till kolumner med konstanta värden och ordnar om kolumner för att anpassa datamängdens layout. Avslutningsvis går du igenom hur du sorterar tabeller med hjälp av en lista med kriterier, vilket gör din data organiserad och lättillgänglig för analys. Dessa färdigheter stärker din datahantering och gör komplexa datamängder mer hanterbara och lättolkade.

Exercise 1: Dataintegrering Exercise 2: Hitta den dyraste matvaran Exercise 3: Integrera och analysera studentdata Exercise 4: Lägg till och slå ihop kolumner Exercise 5: Lägg till datum och ordna om kolumner Exercise 6: Sortera tabellen

Det här avslutande kapitlet fokuserar på att förbättra KNIME-arbetsflöden genom att lägga till detaljerade beskrivningar och taggar som representerar deras teman. Du lär dig även att abstrahera delar av arbetsflöden till återanvändbara KNIME-komponenter, samla funktionalitet och lägga till visuella element för bättre användbarhet. Avslutningsvis lär du dig att dela dina arbetsflöden och komponenter på KNIME Community Hub, så att de blir värdefulla och tillgängliga för communityn.

Exercise 1: Dela arbetsflöden och samarbeta Exercise 2: Komponenters egenskaper Exercise 3: Dela och samarbeta kring studentens arbetsflöde Exercise 4: Lägg till arbetsflödesdetaljer Exercise 5: Skapa en komponent Exercise 6: Dela komponenten Exercise 7: Kursavslutning