举个栗子！Tableau 技巧（197）：用 Prep 数据去重的三种场景

数据去重是最常见的数据准备工作，我们之前分享过 🌰 ：用 Prep 轻松实现数据去重，教大家如何用计算快速去除完全重复的数据记录。

那么，假如数据同时存在多种重复情况（如下示例），该如何快速去重呢？

• 序号 1、8 的记录完全重复，只需保留其一；

• 序号 3、6 的姓名音同字不同，确认属于输入错误，只需保留其一；

• 序号 2、5、9、10 记录，确认姓名重复，分数需保留为平均值。

如何用 Tableau Prep 对这三种较常见的数据重复进行清理？今天的栗子一睹为快吧！

本期《举个栗子》，我们要给大家分享的 Tableau 技巧是：用 Prep 数据去重的三种场景。

为方便学习，栗子使用自备的上述示例数据。掌握栗子方法后，数据粉可尝试使用自己的数据源。懒癌患者可通过以下链接获取栗子数据源：
https://www.dkmeco.com/cms/course/detail/533

具体步骤如下：

打开 Tableau Prep 连接栗子数据源，新建一个清理步骤：单击数据表右侧 图片 按钮，下拉菜单选择：+ 清理步骤。

在视图中可以快速浏览数据的整体情况：将鼠标悬停在字段的数值上，可以查看各个字段重复值的统计数，直观了解重复情况。

1、对同音字进行分组替换

单击“姓名”字段右上角的图片按钮，下拉菜单中选择：将值分组-手工选择。

Tips：这里也可以直接选中需要分组的值，进行快速分组。另，“发音”分组暂不支持中文。

在弹出的对话框中，左窗口选中要保留的值“王五”，右窗口勾选需要替换的值“王午”；再重复操作，选中保留值“张三”和替换值“张山”，单击“完成”。

此时，可以看到姓名字段中的“王午”被替换成了“王五”、“张山”被替换成了“张三”。

2、去掉完全重复的记录

为清理完全重复的数据记录，新建一个聚合步骤：单击数据表右侧 图片 按钮，下拉菜单选择：∑ 聚合。通过对数据进行聚类，来剔除重复的记录。

将需要去重的字段“姓名”和“分数”，依次拖放至分组字段下方空白处。此时，可以看到完全重复的数据“张三”只剩下一个了。

3、姓名相同的分数取平均分

接着，再新建一个聚合步骤：单击数据表右侧 图片 按钮，下拉菜单选择：∑ 聚合。

将需要去重的字段“姓名”，拖放至分组字段下方空白处；将需要聚合的“分数”，拖放至聚合字段下方空白处。

然后，单击聚合字段“总和”，下拉菜单选择：平均值。

此时可以看到：姓名相同、分数不同的李四，只剩下一个记录，分数字段的值为：62.75。

如果不放心，可以再添加一个清理步骤来验证数值的唯一性。

也可以右键单击任意流程，选择：在 Tableau Desktop 中预览，来查看数据的清洗是否符合分析要求。

最后，单击所需步骤图标右侧的图片 按钮，在下拉菜单中选择：输出，增加数据输出流程。

选择存储位置、设置文件名以及文件格式后，单击运行流程 ▷ 按钮即可导出数据源。

栗子Tips

细心的数据粉会发现，第三种场景的去重方法其实也适用第一个场景。的确，Tableau Prep 功能强大，数据粉可多探索并按需选用。

本期的 Tableau 技巧，你 Get 到了吗？赶快试试看吧！
下一期，再见~

文章部分信息来源于网络，如有侵权请告知