电子技术论坛_中国专业的电子工程师学习交流社区-中电网技术论坛

标题: Bluemix 上的 Analytics for Hadoop-使用 BigSheets 探究数据（2） [打印本页]

作者: look_w 时间: 2018-6-23 08:31 标题: Bluemix 上的 Analytics for Hadoop-使用 BigSheets 探究数据（2）

使用子工作簿来调整数据通常，在分析和探究数据之前，必须调整它的格式和内容。为此，可从每个主要工作簿创建子工作簿并删除不想要的列，以便细化数据量和类型。
除了保护原始数据，主要工作簿还会设置数据格式（包括各列的数据类型）。因此，必须创建子工作簿在其中修改您的数据。子工作簿从其主要工作簿中继承其格式和数据，但可以调整它们的属性，以便仅显示需要的数据。

从 BigInsights Web 控制台的 BigSheets 选项卡，选择 MyWatsonNews 主要工作簿。
单击 Build new workbook。将使用名称 MyWatsonNews(1) 创建一个新工作簿。
单击 Edit 图标，将该工作簿命名为 MyWatsonNewsRevised，然后单击绿色勾号。
要在 Web 浏览器中查看 A 到 H 列，可以单击 Fit column(s)。
对于本分析，不需要 IsAdult 列（列 E）。要删除它，可以单击列标题中的向下箭头，然后选择 Remove。

备注：从子工作簿删除列时，只会删除该子工作簿中的数据。这个子工作簿所基于的主要工作簿始终包含它加载的原始数据。如果在以后的分析中想要 IsAdult 数据，可以根据 MyWatsonNews 主要工作簿创建另一个子工作簿。
还有一些列是本分析不需要的。可以使用上一步中的相同方法删除它们，一次删除一个。要同时删除多列：
- 单击任何列标题中的向下箭头，然后选择 Organize Columns。
- 单击随后的列旁边的红色 x 标记，以便将它们标记为应删除：
  - Crawled
  - Inserted
  - MoveoverUrl
  - PostSize
- 单击绿色勾号以删除这些列。
  
  备注：如果意外删除了比想要的更多的列，可单击 Undo 撤销上一个操作。
单击 Fit column(s) 来调整剩余的列。
单击 Save，然后可以选择 Save & Exit 来保存并退出该工作簿。如果看到一个 Save workbook 窗口，那么可以在保存工作簿时输入或不输入描述。
在提示消息 “This workbook has never been run” 时，可以选择 Run 来运行它或选择 Close 来关闭此消息。单击 Run。

可以在窗口的右上角看到一个进度指示器。

目前为止，您处理了 Watson 和内部 IBM 数据的子集。BigSheets 仅在内存中保留有限数量的行。右下角会显示一条消息，指示您看到的仅是 50 行数据的模拟采样。在运行该数据时，向整个数据集应用您自上次保存工作簿以来所做的所有更改。进度栏监视着作业的进度。在幕后，Pig 编写了初始 MapReduce 作业的脚本。运行时性能依赖于与您的数据集合关联的数据量，以及可用的系统资源。

现在，从 MyWatsonBlogs 主要工作簿创建一个子工作簿，并删除您的分析中不需要的列。

单击 Workbooks 链接返回到显示所有工作簿的页面。
选择 MyWatsonBlogs 主要工作簿，然后单击 Build new workbook。会使用名称 MyWatsonBlogs(1) 创建一个新工作簿。
单击 Edit 图标来重命名新的子工作簿，输入 MyWatsonBlogsRevised，然后单击绿色勾号。
使用 Organize Columns 函数删除以下列：
- Crawled
- Inserted
- IsAdult
- PostSize
记住选择 Organize Columns 窗口中的绿色勾号。现在 MyWatsonNewsRevised 和 MyWatsonBlogsRevised 工作簿包含相同的列。要合并工作簿，每个工作簿必须包含相同的数据类型和列，或者模式。
保存并退出工作簿。
提示时，单击 Run 应用您对子工作簿所做的更改。

欢迎光临电子技术论坛_中国专业的电子工程师学习交流社区-中电网技术论坛 (http://bbs.eccn.com/)