小白學數(shù)據(jù)19、clementine的源節(jié)點學習

1、SPSS，盡管Clementine 是一個數(shù)據(jù)挖掘工具，但是在數(shù)據(jù)處理等方面的功能很強大，在幾 十萬到幾百萬甚至幾千萬數(shù)據(jù)處理上，都能夠應付，而Excel 僅僅處理在一百萬左右的數(shù)據(jù)。使用 Clementine 有一段時間了，就從基本的開始說起吧，先說說源節(jié)點是什么？的造成了有時候數(shù)據(jù)的格式會有很多種，為此作為一個好的數(shù)據(jù)，首要的就是要支持很多的數(shù)據(jù)格式，這樣避免的大數(shù)據(jù)轉換格式耗費的時間和成本。在 Clementine 中就有源節(jié)點來完成這個工作，源節(jié)點顧名思義，就是數(shù)據(jù)來源的節(jié)點。對應在 Clementine 中有一個源選項版來完成這個工作，如下所示：企業(yè)視圖有關信息這里不解釋，目前暫無應

2、用。數(shù)據(jù)庫源節(jié)點Cle 中使用 ODBC 將數(shù)據(jù)導入，支持 Oracle、SQLServer、DB2、 等。但是這種方式導入數(shù)據(jù)，就必須首先配置 ODBC 數(shù)據(jù)源，有關如何配置該數(shù)據(jù)源，這里不再累述。可以自行參考網上的很多。Cle 對于數(shù)據(jù)庫的支持有三層：1） 所有可能的 SQL 回送都可用，并具有數(shù)據(jù)庫特定的 SQL 優(yōu)化2） 多數(shù) SQL 回送可用，具有非數(shù)據(jù)庫特定的 SQL 優(yōu)化3） 沒有 SQL 回送或優(yōu)化，只能向數(shù)據(jù)庫和寫入數(shù)據(jù)使用下列一般步驟數(shù)據(jù)庫中的數(shù)據(jù)：為要使用的數(shù)據(jù)庫安裝 ODBC 驅動程序并配置數(shù)據(jù)源；在數(shù)據(jù)庫節(jié)點框中，使用表模式或 SQL 查詢模式連接到數(shù)據(jù)庫；從數(shù)據(jù)庫中

3、選擇表；使用數(shù)據(jù)庫節(jié)點框中的選項卡，可以更改使用類型和過濾數(shù)據(jù)字段；現(xiàn)在已經完成了 ODBC 安裝和配置數(shù)據(jù)源的工作。下面要在 Cle 中連接數(shù)據(jù)庫，進行查詢，雙擊數(shù)據(jù)庫圖標，進入數(shù)據(jù)流工作區(qū)域，右鍵單擊編輯，彈出如下的框：每一個數(shù)據(jù)處理工具，都需要支持很多種數(shù)據(jù)格式，由于數(shù)據(jù)形式，或者Clementine 是一個很有用的工具，在網游日常數(shù)據(jù)的處理中，其應用程度不低于 Excel 和上圖為數(shù)據(jù)選項卡的選項，用于獲取數(shù)據(jù)庫和選定要進行操作的表。模式可以通過框連接到指定的表上，也可以通過 SQL 查詢查詢使用的數(shù)據(jù)庫。數(shù)據(jù)源此處指定需要的數(shù)據(jù)源，可以手動填寫，也可以通過下拉菜單進行添加，此處銅鼓下

4、拉菜單添加，如下圖：在彈出的框中，選擇 test 數(shù)據(jù)源。數(shù)據(jù)源列出目前可用的數(shù)據(jù)源，如果是剛剛添加的，單擊刷新，選擇數(shù)據(jù)源，輸入用戶名和密碼就 OK 了。表名通過選擇按鈕選擇進行操作的表，如下圖所示：給表名和列名加上引號在數(shù)據(jù)庫中進行查詢時，指定是否要將表名和列名括入引號內（例如，這些名稱是否可包含空格或標點）去除開頭和結尾的空格選中選項以丟棄字符串中開頭和結尾的空格?？勺兾募?jié)點相當于 Excel 分列操作使用分隔符的模式可以使用可變文件節(jié)點從字段文本文件（其包含的字段數(shù)不變，但包含的字符數(shù)可改變）中數(shù)據(jù)，該文件又稱為分隔文本文件。此類型的節(jié)點也可用于具有固定長度的頁眉文本和特定類型的注解

5、的文件。每次一條，并將這些傳遞到流中，直到讀完整個文件。定界文本數(shù)據(jù)時的注意事項必須在每行末尾處用換行符分隔；必須使用逗號或其他字符（最好是僅用作分隔符，即該字符不能出現(xiàn)在字段名稱或字段值中）分隔字段；每一行（包括標題行）都應包含相同的字段數(shù)；第一行應包含字段名稱；第二行必須包含數(shù)據(jù)的第一條；數(shù)字值不能包括千位分隔符或分組符號，例如，3,000.00 中不能使用逗號；日期值和時間值應該采用“流選項”框中可識別的的格式之一，例如 DD/MM/YYYY 或HH:MM:SS。導入一個文件，單擊可變文件，右鍵編輯，彈出如下的框：文件中的字段名默認是選中的，此時把文件的第一行看作是列表前，即變量名。每個

6、字段也能被分配一個名字，當然了，如果第一行沒有列時，就可以取消選中。指定字段數(shù)指定每個中的字段數(shù)。只要以新行結束，就可以自動檢測字段數(shù)。也可以手動設置字段數(shù)。跳過標題字符指定要忽略第一個的開頭處的多少個字符。EOL 注解字符指定字符（例如 # 或 !）以表示數(shù)據(jù)中的注解。無論這些字符之一出現(xiàn)在數(shù)據(jù)文件的何處，從該字符起直到下一個新行字符（不包括）之前的所有字符都將被忽略。去除開頭和結尾丟棄導入字符串中開頭和結尾的空格。無效字符空字符或者指定編碼中不存在的的字符，通過丟棄進而刪除了，或者替換成其他字符。小數(shù)符號選擇在數(shù)據(jù)源中使用的小數(shù)分隔符類型。定界符選擇將將數(shù)據(jù)進行分列的符號，也可以自己指定符

7、號，此處是復選，也就是說可以使一個以上的分列，這點和 Excel 的分列大同小異。類型的掃描行數(shù)對于指定的數(shù)據(jù)類型要掃描的行數(shù)引號如何處理導入數(shù)據(jù)的單引號和雙引號問題在此框中操作任何時刻，都可單擊刷新以從數(shù)據(jù)源重新載入字段。在更改到源節(jié)點的數(shù)據(jù)連接時，或在框的選項卡之間進行操作時，此操作都非常有用。固定文件相當于 Excel 分列操作的固定長度模式段格式。使用固定文件節(jié)點的“文件”選項卡，可以輕松地指定數(shù)據(jù)中列的位置和長度。選擇固定文件，右鍵單擊編輯，選擇一個文件，如下所示：所謂固定文件是相對可變文件而言，使用固定文件節(jié)點從固定字段文本文件（其字段沒有被分隔，但開始位置相同且長度固定）中導入數(shù)

8、據(jù)。機器生成的數(shù)據(jù)或遺存數(shù)據(jù)通常以固定字數(shù)據(jù)預覽窗格可用來指定列的位置和長度。預覽窗口頂部的標尺有助于測量變量的長度并指定變量間的斷點。通過單擊字段上方的標尺區(qū)域可以指定斷點線。通過拖動可移動斷點，而將其拖動到數(shù)據(jù)預覽區(qū)域之外則可丟棄斷點。面向行如果要跳過每個末尾的新行字符，可選中此選項。跳過標題行指定要忽略第一個的開頭處的行數(shù)。這對忽略列標題非常有用。長度指定每個中的字符數(shù)。字段已為此數(shù)據(jù)文件定義的所有字段都在此處列出。有以下兩種定義字段的方式： 移動標尺，進行控制指定字段； 通過向下面的表添加空字段行手動指定字段。單擊字段窗格右側的按鈕添加新字段。然后 在空字段中輸入字段名、開始位置和長度

9、。這些選項會自動在數(shù)據(jù)預覽窗格中添加箭頭，并且可以輕松地調整這些箭頭。SAS 源節(jié)點&SPSS 源節(jié)點SPSS 文件導入框SAS 文件導入框SAS 導入支持四種文件格式，如上圖所示。導入數(shù)據(jù)時，所有變量都將保留且不更改任何變量類型。SPSS 和 SAS 中需明的內容：名稱和選中此選項將變量名稱和同時讀入。默認情況下將選中此選項，并且變量名稱將顯示在類型節(jié)點中。根據(jù)流屬性框中指定的選項，將顯示在表達式構建器、圖表、模型瀏覽器和其他類型的輸出中。用作名稱的而不是短字段名，并將這些作為變量名稱在 Cle選擇從文件中說明性的變量中使用。Excel 源節(jié)點Excel 的數(shù)據(jù)導入相對來說不是很麻煩，作為經常使用的工具，有必要介紹一下，下圖為導入數(shù)據(jù)的框：工作表索引或者名稱指定要導入的工作表。索引指定要導入的工作表的索引值，開頭的 0 表示第一個工作表，1 表示第二個工作表，依此類推。名稱指定要導入的工作表的名稱。單擊省略按鈕 (