【Tableau系列第（6）篇】使用Tableau Prep进行数据清理、整合（一）

使用Tableau Prep的整体过程详见：【Tableau系列第（5）篇】用Tableau Prep整理数据全流程初体验

本篇一步一步跟我一起来熟悉更多的Tableau Prep数据清理、整合的操作。

示例excel数据源链接: https://pan.baidu.com/s/17nx3_LPe30oK1l1JsC6Kdw?pwd=AQWF 提取码: AQWF

合并多个表（比如不同时间段的数据）

新建连接-文本文件（.csv文件），orders_south_2015,2016,2017,2018在同一个文件夹下，所以，点击“表”，可以看到这四个文件，选择合并多个表，点应用；

添加更多个输入

Orders_East.xlsx

Orders_West.csv

Orders_Central.csv

清理订单数据

创建计算字段

点击Orders_Central，这个 数据集中没有“Region”字段，而其他数据集中有，所以，要增加这一字段，方面后续分析；

新建标志性字段

字段值输入：Region，字段值："Central"，然后保存；

合并字段

Orders_Central这个数据集中，订单年份、月、日是3个单独的字段，需要把它们合并成一个字段Order Date，格式为"MM/DD/YYYY"，赋值：MAKEDATE([Order Year],[Order Month],[Order Day])

移除字段

需要移除订单年份、月、日是3个单独的字段，在搜索框中输入Order，按住Ctrl多选Order Year,Order Month,Order Day，右键——移除；

类似的，Orders_Central这个数据集中，发货年份、月、日也是3个单独的字段，需要把它们合并成一个字段Ship Date，格式为"MM/DD/YYYY"，赋值：MAKEDATE([Ship Year],[Ship Month],[Ship Day])

修改字段类型

Orders_Central这个数据集中，系统给Discounts折扣字段分配的数据类型有问题，它应该是数字类型，但是系统分配的是字符串类型，这是为什么呢，原来，无折扣的情况，字段值是“None”；

直接双击None，把None改为0，按回车键完成；

再去修改Discounts的数据类型，如下图，左键单击“Abc”，选择“数字(小数)”；

在金额字段里移除货币符号

给Orders_East新增一个清理步骤，查看字段，会发现销售额“Sales”字段值中包含了货币符号，Tableau Prep将这个字段解读为了字符串类型；

下面，来快速移除所有字段值中的货币符号，点“…”-清理-移除字母：

然后将Sales的数据类型修改为数字。

添加字段值-映射原始字段值

给Orders_West新增一个清理步骤，查看字段会发现State字段值使用了缩写，如果要和其他文件合并，需要修改为完整的拼写；

点“…”-将值分组-手动选择；

双击AZ，修改为Arizona，这样就把AZ映射到了新值Arizona；

重复这个步骤，完成11个州的修改，然后点击完成；

合并数据

将“重命名State值”拖动到“更改数据类型”步骤（放在“并集”上）

将“清理日期和修改字段”拖到上面创建的并集步骤（放在“添加”上）；

同样的，将orders_south输入步骤 拖动到并集步骤（放在“添加”上）；

Tableau Prep会自动匹配具有相同名称和类型的字段；

还会发现，新增了一个Table Names（表名称）字段，表示该行数据来自于哪个表；

检查不匹配的字段Discount和Discounts，原来是因为字段名不同，那就可以把它们合并；

选择Discount字段，拖动到Discounts字段上进行合并；

类似的，将Product和Product Name合并；

完成了数据合并，将步骤“并集1”重命名为“所有订单”。

拆分字段值

完成了订单清理和合并，接下来处理退货数据，发现数据有一点杂乱；

新建连接，选择“Microsoft Excel”，选择return_reasons_new.xlsx

新增一个清理步骤，观察Notes(注释)的取值，发现里面包含了审批者，可以把这个信息单独拎出来，放在另一个字段中更好的利用；

首先移除额外的空格：

然后拆分注释和审批者，由于这个数据有明显的分隔符，所以可以选“自动拆分”，当然也可以手动拆分；

拆分后，双击字段给字段重命名为Return Notes和Approver(审批者)

移除原始的Notes字段：

观察到审批人取值里有点问题，相同的人名好像写法不一样：

发现Tableau Prep把相同人名的不同写法分为了一组，很不错，检查一下，完成；

联接数据

将退货数据和订单数据联结起来，想要联结两个表，它们需要有共同的字段，比如Order ID和Product ID，将退货清理步骤拖动到所有订单，放在“联接”上；

添加“联接子句”

“内部联接”，仅包括两个文件中都存在的值，没有匹配退货的订单数据被排除；

需要改为“左”联接，数据要包括“所有订单”合并步骤中所有数据、以及“退货订单(清理注释)”中的匹配数据；

清理联接结果

移除多余字段

将字段Order ID-1重命名为Order ID；

添加一个值为"Yes"和"No"的字段来表示是否已退货；

创建计算字段 Return?

赋值If ISNULL([Return Reason])=FALSE THEN "Yes" ELSE "No" END

可能为了分析，还想要知道下单到发货间隔天数，

看一下订单日期和发货日期，有点问题：

修正一下：

新建字段“Days to Ship”，赋值为：

DATEDIFF('day',[Order Date],[Ship Date])，完成之后：

处理完之后，可以输出数据。

基本操作见：【Tableau系列第（5）篇】用Tableau Prep整理数据全流程初体验

最后，给你一个完整的Tableau Prep帮助文档，更多的操作问题可以根据需要从中查找答案；

链接: 百度网盘 请输入提取码 提取码: AQWF