Pulizia e trasformazione dei dati
Caso di studio: analisi finanziaria in KNIME
Andrew Logan
Data Scientist, 4&8 Ltd
Seguire il piano
Dati puliti, utili e consistenti
Pulizia: valori mancanti, rimozione duplicati, filtri righe/colonne inutili, ecc.
Trasformazione: manipolazione stringhe, calcoli numerici, rinomina colonne, ecc.
Pulito come nuovo
Nodi più comuni: Missing Value, Duplicate Row Filter, Column Filter, String Cleaner
Annota!
Pulito come nuovo
Nodi più comuni: Missing Value, Duplicate Row Filter, Column Filter, String Cleaner
Annota!
Molti altri: usa il forum KNIME -
https://forum.knime.com/
o un motore di ricerca per casi particolari
Modifiche utili
Manipolare i dati per renderli utili
Manipolazione di stringhe
Modifiche utili
Manipolare i dati per renderli utili
Manipolazione di stringhe
Calcoli numerici
Modifiche utili
Manipolare i dati per renderli utili
Manipolazione di stringhe
Calcoli numerici
Altri nodi di trasformazione
Annotazioni!
Più facile da capire e riusare
Metanodi: le città sulla mappa.
Più facile da capire e riusare
Metanodi: le città sulla mappa.
Molti nodi in uno
Più facile da capire e riusare
Metanodi: le città sulla mappa.
Molti nodi in uno
Fa risparmiare tempo
Facile da capire
Facile da annotare
Ayo berlatih!
Caso di studio: analisi finanziaria in KNIME
Preparing Video For Download...