この記事の概要
KNIME(ナイム)のGroupBy（グループバイ）を解説。
このノードは重複する行を１つにまとめることができるノード。
重複する行を１つにまとめると同時に合計値(SUM)計算や平均値計算なども可能です。
大量のデータを一気にまとめ上げることができます！
そのほかの代表的なノードの一覧はこちら。
まえがき
どうもシャイン社員です！
最近ドミニオンというカードゲームにハマっています！
オンラインでも遊べるDominion Onlineがオススメです。
無料でできますので良ければ一緒にやりたい人、募集中です！
GroupBy（グループバイ）の使い方
重複している行を１つにまとめたいと思ったことはありませんか？
何行にもわたって重複した内容が書いてある…
伝票処理や統計表で合計値や平均値を求めたい…
エクセルだとピボットなどの機能を用いて１つに纏めることが多いと思います。
KNIMEではGroupBy（グループバイ）というノードを使うことで
簡単に重複するデータを１つに纏めることができます。
下記のような具合ですね。
それでは詳細説明をしていきます。
重複する項目を１つにまとめる
例として下記のような表を作ってみました。
伝票処理表？のようなものです(*'ω'*)
取引先と伝票番号に対して取引内容と日時、金額が書かれています。
今気づきましたが下記の表の書き方の場合は伝票番号ではなく、取引先番号ですね…。
スミマセン…。
複数の取引先と何回も取引していますね。
例えばこの表の「初芝産業」の取引が何回かありますが、
合計何回の取引で合計金額はいくらなんでしょうか？
これをGroupByノードを使用して取引先ごとにまとめていこうと思います。
Excel Reader（エクセルリーダー）でファイルを読み込んでGroupByでまとめます。
String Manipulationは本来不要です。
金額の列がDouble型で詠み込まれたのをInt型に戻しているだけなので
無くてもOKです。
Configure（設定）Groups画面の解説
Configure画面（設定）について解説します。
まずはこのGroups画面から解説し、画面は下記のようになります。
Available column(s)：
ここに表示されている列（カラム）のデータが集計されます。
なのでここは合計値や平均値や出現回数など
関数によって求めたい数字が含まれる列を選択します。
今回は金額と日時、内容を集計します。
Groups column(s)：
ここで選択されている列（カラム）の内容ごとにデータをまとめます。
今回は伝票番号（取引番号）と取引先ごとにデータをまとめます。
Configure（設定）-Manula Aggregation画面の解説
さきほどAvailable column(s)で選択した列（カラム）がここに追加されています。
ここに表示されている列（カラム）を関数を使って集計します。
集計したい列（カラム）を選択し「add」をクリックします。
すると右側の項目に選択した列（カラム）が追加されます。
Aggregation(click to change)の欄をクリックすると
集計方法がずらっと出てくるので、希望の集計方法を選択します。
今回は下記のように設定しました。
金額→合計（Sum)：取引先ごとの合計金額を算出
日付→カウント（Count）：取引回数を算出
内容→リスト（List)：取引内容をリスト化して出力
集計方法(Aggregation)の種類
カラムの計算方法についてよく使う項目を説明します。
List：リスト形式で集計します。
文字列をすべて１行で集計し[]で囲まれたカンマで区切られたデータで出力します。
List(sort)はアルファベット順に項目を並び替えてくれます。
Maximum：集計するデータの中で最大値を表示します。
Minimum：集計するデータの中で最小値を表示します。
Missing value count：データの中の欠損値をカウントしその個数を表示します。
First：データの最初の文字列、数字を表示します。
Last：データの最後の文字列、数字を表示します。
Percent：同じデータが全体に占める割合をパーセントで表示します。
SUM：データの合計値を算出します。（Int/Double/Long型のみ）
Mean：データの平均値を算出します。（Int/Double/Long型のみ）
Median：データの中央値を算出します。（Int/Double/Long型のみ）
Standard devitation：データの標準偏差を算出します。（Int/Double/Long型のみ）
Mean absolute deviation：データの平均絶対偏差を算出します。（Int/Double/Long型のみ）
Median absolute deviation：データの中央絶対値偏差を算出します。（Int/Double/Long型のみ）
出力結果
最後に出力結果を添付します。
下記の表のように重複する行を１つに纏めた表を出力できました！
やったぁ！
あとがき
いかがでしたでしょうか？
活躍の場面が多いGroupByノードは大量のデータを一気にまとめることができる
強力なノードなので、ぜひ使い方を覚えて活用しましょう！
それでは！
0 件のコメント:
コメントを投稿
ここにコメントを書いてね！