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.

Villkorssatser och logiska operatorer

Tilldela inflationsvärde

Förbättra studentdata

Dela upp i stad och kvantitet

Byt namn på kolumner

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.

Sträng- och matematikuttryck

Beräkna artiklarnas totalsumma

Beräkna studentpoäng

Konvertera försäljningskolumnen till numerisk

Beräkna rabattvärde

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.

Dataintegrering

Hitta den dyraste matvaran

Integrera och analysera studentdata

Lägg till och slå ihop kolumner

Lägg till datum och ordna om kolumner

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.

Dela arbetsflöden och samarbeta

Komponenters egenskaper

Dela och samarbeta kring studentens arbetsflöde

Lägg till arbetsflödesdetaljer

Skapa en komponent

Process för att dela en komponent

Dela komponenten

Kursavslutning

Exercises and Datasets

DataCamp vs. Local Experience

Datatransformation i KNIME ger dig grundläggande och avancerade tekniker för att bearbeta och transformera data med KNIME. Du börjar med grundläggande datatransformation, till exempel att dela upp kolumner och använda villkorssatser. Kursen går sedan vidare till mer komplexa moment, som uttrycksbaserade transformationer och datakonsolidering. Avslutningsvis lär du dig att förbättra KNIME-arbetsflöden genom att skapa återanvändbara komponenter och optimera återanvändbarhet. Kursen passar dig som vill fördjupa dina kunskaper i datahantering med KNIME.

Introduction to KNIME

Förbättra dina KNIME-färdigheter med vår kurs om datatransformation och arbetsflödesoptimering.

Datatransformation i KNIME

Förbättra dina KNIME-kunskaper med vår kurs om datatransformation, kolumnoperationer och arbetsflödesoptimering.

KNIME-grunderna

Klicka på panelen Space Explorer i KNIME Analytics Platform och välj KNIME Community Hub.

På inloggningsfliken för KNIME Community Hub anger du dina uppgifter eller skapar ett konto och loggar in.

Klicka på den komponent du vill dela och välj alternativet för delning.

Välj det utrymme på KNIME Community Hub där du vill dela komponenten och klicka på dela.

Dela komponenten

Datatransformation i KNIME

Interaktiv övning med praktiskt arbete