數據分析指北 (基礎之三從"完備"到基礎操作 select)

數據分析指北 (基礎之三從"完備"到基礎操作 select)

來自專欄數據分析指北

http://weixin.qq.com/r/HUwnP1XE6AiXrRFc9xkP (二維碼自動識別)

*歡迎關注公眾號 數據分析指北*

數據分析指北 - 基礎(基礎數據操作之三，從"完備"到基礎操作 select)

---

歷史回看：

數據分析指北 - 前言(02)

方法論 之 你會問問題嗎？

數據分析指北 - 基礎(數據來源及輪廓)

有必要搞清楚數據的原始出處以及大致輪廓（分布）。

數據分析指北 - 基礎(基礎數據操作之一)

計算機是怎麼處理表數據的，以及一些小學數學題？

---

*Photo by Markus Spiske on Unsplash*

微信公眾號：數據分析指北

關於完備

假如有人給你出了一套數學題，但從來沒有人教過你怎樣去做，甚至連基礎的操作運算符，加減乘除，你都是不知道的，需要你自己去發明。

出題的人知道答案，只要存在 "加一"，"減一" 這兩個運算規則就可以解決這套題裡面的所有問題。

你開始不停的研究啊研究，終於發明出來 "加一" 這個運算規則，但可惜的是，"加一" 這個運算規則，只能解決那套題中的部分問題，還有一些問題無論如何只通過 "加一" 是沒辦法解決的。

這種情況下，你所知道的規則，就是不完備的（解決不了這套數學題中的所有問題）。

你接著研究，終於又發明出來 "減一" 這個運算規則，bingo! 這套數學題中的所有問題都解決了！你發明的這兩個規則就是完備的。

但你覺得做題還是有點慢，於是又發明出來 "加二"，"減二" 等等方便運算的規則，在這種情況下，你之前所發明的整個規則加起來，也是完備的。後面發明出來的規則在遇到一些特定的問題時，會方便快捷一些，但如果沒有這些規則，只通過 "加一"，"減一" 也是沒有問題的。

另外一位同學，小T，和你面對著同樣一套數學題，但他的研究過程和你有些差異，他在研究出來 "加一" 規則之後，並沒有發明出來 "減一" 這個規則，而是發明出來了 "加負一" 這個規則。小T擁有的這兩個規則，也解決了這套數學題中的所有問題，雖然和你的最終結果有所差異，但也是完備的。

以上就是完備的大概意思。在計算機中，有一種叫做圖靈完備的概念。數學家艾倫·圖靈（Alan Turing）發明了一台叫做"圖靈機"的東西，這台機器能夠計算可計算的一切問題。其他人發明出來的虛擬機或編程語言如果和 "圖靈機" 一樣計算可計算的一切問題，那麼這樣的虛擬機或編程語言就叫做圖靈完備，或是圖靈等價的。這個概念在計算機語言方面用的比較多。

會幾種編程語言

也許你曾遇到這樣的問題，"你會幾種編程語言？"。其實語言種類不是特別重要，只要你理解一種編程語言，其他大部分的編程語言中基礎的概念你就不用再學，只需要記記基本的格式就可以了。計算機程序無非就是，賦值語句，判斷分支語句，循環執行語句等。有了這些基本功能，這門語言就可以算"完備"了，有時這些語言會增加一些特別的功能方便用戶使用，但其實，如果沒有這些特別增加的功能，只使用一些基本功能，也是可以完成任務的。以上述完備例子中的數學題為例，如果你走了 "加一"，"加負一" 的研究路線，那麼在能解決現有問題的情況下，這就是一種 最小完備 的狀態，不再投入時間等資源就是 最實用 的一種方式，提綱挈領說的就是這個意思。在其他學科中，可能會用正交，最小正交等詞來表達近似概念。

這種思維方式我們會在後期有意無意的使用。

之前的作業

讓我們從之前的數據和部分作業繼續聊起。

*示例數據*

1. 想得到只有班級和姓名組成的新表；
2. 想得到只有2班同學的新表；
3. 想得到姓"李"的同學的新表；
4. 想得到2班同學且只有班級和姓名組成的新表；
5. 想把上一個問題中得到的表的表頭--"班"改成"班級"；

SQL是資料庫的標準語言，邏輯，結構都比較清晰，裡面的基礎語法可以認為是我們上面所提到的操作數據的 最小完備 的語法。鑒於本系列在工具層面會側重於 KNIME ，那麼下面描述邏輯會將SQL的 最小完備 操作對應到 KNIME 中去，以期用最小的時間以及精力代價獲得最大收益。

SQL的語法超級簡單，但這種超級簡單的語法卻能派生出一些複雜的操作。我們先看 SELECT 這個語法。

SELECT in SQL

想遴選（select）數據出來，那麼必須得知道從什麼地方（from）去遴選什麼（*），條件是什麼（where）。

我一般將select的操作分為以下兩種以及它們的組合。

*通過SELECT遴選整行*

*通過SELECT遴選特定列*

第一種，通過 SELECT 遴選整行

select * from sampleData where 1=1

其中的 "*" 代表了要選取那一行中所有的列，where後面的部分可以列寫你的篩選條件，寫"1=1"只是想在這裡放一個佔位符，示意這裡放你的條件（只不過1=1這個條件是永遠成立的）。比如你想要選出 "性別" 列中，元素值為"男"的列，那麼你只需要寫

select * from sampleData where 性別=男

就可以得到你的結果了。

第二種，通過 SELECT 遴選特定列

select column1, column2 from sampleData

這句選擇展示了 sampleData 表中名叫 column1 和 column2 的列。

好了，再看我們的作業用SQL的話怎麼做：

1. 想得到只有班級和姓名組成的新表；
   select 班級，姓名 from sampleData
2. 想得到只有2班同學的新表；
   select * from sampleData where 班級=2
3. 想得到姓"李"的同學的新表；
   select * from sampleData where 姓名 like "李%"
4. 想得到2班同學且只有班級和姓名組成的新表；
   select 班級，姓名 from sampleData where 班級=2
5. 想把上一個問題中得到的表的表頭--"班"改成"班級"；
   select 班級 AS 班，姓名 from sampleData where 班級=2

SELECT in KNIME

對應於SQL中的select語句，KNIME要稍微麻煩一些（但帶來了其他好處）。

我們上節已經把CSV文件導入到了 KNIME 中，這次只需要把對應的基本操作找出來就可以了。（在附錄2中我們對 KNIME 有基本介紹。）對於之前圖中"通過SELECT遴選整行"的情況，我們只需要把模塊 Manipulation/Row/Filter/Row Filter模塊放進去就可以代替我們前面所說的 where 功能了。

*KNIME中的row filter*

可以從截圖看到，row filter 支持各種條件過濾，比如選取符合某種條件的行，或是排除某種條件的行，普通的條件，通配符，正則表達式，或是範圍條件，它都是支持的。

對於之前圖中"通過SELECT遴選特定列"的情況，我們只需要把模塊 Manipulation/Column/Filter/Column Filter模塊放進去就可以代替我們前面所說的 select xxx,yyy 的功能了。

*KNIME中的column filter*

通過這兩個模塊的各種組合，就可以完成上面在SQL中完成的五道作業。第5題改表頭的特殊要求，需要我們找到KNIME中的一個叫 rename 的模塊，組合進去就可以了。

本次作業是：熟悉一下這次談到的模塊，並自己組合一下試試看。

配套練習下載方法：關注公眾號，回復 "作業" 二字即可獲得下載鏈接。

回頭聊

反饋，轉發或讚賞？

推薦閱讀：