Bakery and weather data を使用して、天気と売れ筋商品TOP3をSPSS Modelerで見てみた。（その２ - データを俯瞰して見る） #SPSS

はじめに

この記事は、IBMのサンプルデータをSPSS Modelerを使って読み解いていこうというものです。今回は連載２回目となります。この回では、データの確認方法をみていきたいと思います。

初めに、SPSS Modelerの「重複レコードノード」を使って、Distinct することで、データの種類を見てみたいと思います。

次に実はもっと便利な「データ検査」ノードというものがあるので、これを使って、CSVデータの中身を俯瞰して見ていきたいと思います。

どちらも「天気に使用されているデータの種類を確認する」という目的は達成できますが「データ検査」ノードがかなり面白いので、ぜひ使ってみてください。

初めに、天気のデータの種類としてどういったものがCSVデータの中にあるのか見てみたいと思います。

初めに、新規のストリーム領域に、「Bakery and weather data.csv」をドラッグ＆ドロップします。

次に、フィルターノードをSPSS Modelerのストリーム領域にドラッグ＆ドロップして追加し、「Bakery and weather data.csv」(可変長ファイルノード)と接続します。

フィルターノードをダブルクリックして編集で開き、「Weather」以外の全ての項目の矢印部分をクリックして❌表示にし「OK」で閉じます。

次に、重複レコードノードをSPSS Modelerのストリーム領域にドラッグ＆ドロップして追加し、フィルターノードと接続します。

重複レコードノードをダブルクリックして編集で開き、「グループ化のキーフィールド」に「Weather」を追加し、「OK」で閉じます。

次にテーブルノードをSPSS Modelerのストリーム領域にドラッグ＆ドロップして追加し、重複レコードノードと接続し、右クリック（Macタッチパネルの場合は二本指で同時クリック）して、「実行」します。

1-1から1−4までのステップで、天気のデータの重複排除したデータとレコード件数を確認する事ができました。

Cloudy Rainy Sunny Snowy の４種類が使われている事がわかりました。

次に、データ検査ノードを使って、もっと楽にCSVデータ全体のデータの傾向を確認したいと思います。

出力パレットから「データ検査ノード」をストリーム領域に追加し、「Bakery and weather data.csv」(可変長ファイルノード)と接続し、実行します。

＊名前が「19フィールド」となります。

データ検査ノードを実行すると、CSVデータの中身を以下のような「尺度」「最小値」「最大値」「カテゴリ数」といった情報とともに確認する事ができます。

Weatherを確認するとカテゴリが4とあり、データは4種類である事がわかります。Weatherのグラフをダブルクリックします。以下のように、４つのデータの件数と割合を確認する事ができます。

この記事では、天気データにどのようなものがあるか2つの確認方法を記載しました。

次の記事（その３）では、Sunny, Clowdy, Rainy, Snowy で売れ筋商品に違いが出てくるか確認していきます。