サンプリングと集計

Alteryx によるデータ準備

Deanna Sanchez

Alteryx ACE and Owner, Nova Geographica LLC

データのサンプリングはまるで…

化学実験の試験管からサンプルを取るイメージ。

• 上層の液体
• 上位の割合
• ランダムサンプル（1/Nの確率）

Sampleツールのオプション

データのサンプリング方法:

• 先頭/末尾のN行
• 先頭N行をスキップ
• N行ごとに1行
• 各行を含める1/Nの確率
• 先頭N%の行

トップN・ボトムNレコード

• Sampleの前にSortを使用
  • 降順でソート
• Sampleを追加
  • 最初のN件（N = 10）
• 例: 売上トップ10

先頭N行をスキップ

指定した件数をスキップ後の全行を返す

• データのある行のみを残せる
• 例: 先頭4行をスキップして、5行目からデータ開始の見出し行を飛ばす

N行ごとに1行

データセット内でN行ごとに最初の1行を返す

• 例: 10行ごとに1行
  • 累計の概観に便利
  • 100件なら10件を返す
• 無作為サンプルではない

各行を含める1/Nの確率

データセットの無作為サンプル

• 例: 1000件に対し25分の1の確率
  • 全データからのランダム抽出
• 実行のたびに新しいランダムサンプルを生成
  • 実行ごとに出力IDは異なる

先頭N%の行

先頭のN%の行を返す

• 例: 先頭25%（売上上位25%など）
• 1,000件なら1〜250行を返す

サンプルのグループ化

• グループごとにサンプリング可能
• 1つ以上のフィールドを選択
• 例: 地域別の売上トップ10

Summarizeツールの活用

Summarizeツールでグループ化と集計が可能

• 操作はフィールド型に依存
• 操作を設定したフィールドのみ出力
• 同一フィールドに複数操作可
  • 例: 売上の最小・最大

文字列データの集計

文字列データで利用可能な主な操作:

• Group By
• Count
• Count Non Null
• Min/Max
• Mode
• First/Last
• Concatenate

数値データの集計

数値データで利用可能な主な操作:

• Group By と上記の文字列操作に加え、
• Sum
• Average, Median, Mode
• Percentile
• Standard Deviation
• IRR（内部収益率）、NPV（正味現在価値）などの財務計算

順序は重要

操作は階層的に適用される

• とくにGroup Byに当てはまる
• 例:
  • 地域でグループ化
  • 営業チームでグループ化
  • 担当者でグループ化

Alteryx のファイル種別

• Alteryx データベース .yxdb
  • Alteryx最適化のネイティブ形式
  • .yxdbで出力・入力可能
• Alteryx ワークフロー .yxmd
  • Alteryx Designer のワークフロー形式
• Alteryx パッケージ済みワークフロー .yxzp
  • AlteryxのZipワークフロー
  • 入出力データを含められる

練習しましょう！

Alteryx によるデータ準備