この記事の概要
KNIME(ナイム)のPivoting（ピボット）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。
GroupBy（グループバイ）と似ていますが
Pivoting（ピボット）は列（カラム）の方向についてもデータをまとめることができます。
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。
Pivoting（ピボット）ノードの紹介
Piviotingノードの使い方を紹介する前に
似たようなノードなGroupByというものがあります。
PivotingとGroupByは似たような使い方ができます。
シンプルに重複行列をまとめたい場合はGroupByのほうが適しています。
GroupByの使い方は下記のページをご覧ください。
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！
Pivoting（ピボット）ノードの使い方
Pivotingを使うと重複したテーブルデータをまとめ上げることができます。
任意の項目については列方向に分けることができます。
下記にPivotingの入出力結果を示します。
出力の違いについては本記事の文末に書いております。
重複する行を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、
初芝産業の「コールサービス」の合計金額はいくらなんでしょうか？
これをPivoting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Pivoting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）-Pivot画面の解説
Pivot画面では列方向にまとめる項目のカラムを選択し、右側の欄に移動します。
集計する項目や行方向にまとめる項目は左側の欄に記入します。
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
Configure（設定）-Manual 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。
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）
3つの出力ポートについて
基本的にPivioting（ピボット）で使用する出力は一番上の出力だけです。
真ん中の出力はGroupByと同様の出力結果となります。
一番下の出力は列名ごとの合計が集計されています。
図示すると下記のようになります。
あとがき
いかがでしたでしょうか？
Pivotingノードは複雑なデータ類を一括でまとめることができるので
すごく便利です。
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！