Несмотря на то, что выходные данные узла Агрегирование включают обобщенные измерения данных, подобная форма представления агрегированных данных не всегда является самой удобной. Истинная цель узла Агрегирование – генерирование таблицы для последующих узлов обработки данных. Если цель анализа состоит в получении таблицы, которая будет использоваться для отчетности и просмотра, а не для дальнейшей обработки, лучше использовать другой узел, например, OLAP-таблица или Многомерная матрица. Эти узлы выполняют такие же операции, но выдают агрегированные результаты в интерактивной и более эстетичной форме.

Если пользователям нужно увидеть список уникальных значений одной колонки, всегда можно выполнить агрегирование по этой колонке и просмотреть частоту каждого уникального значения. Однако гораздо проще в таком случае использовать вкладку Уникальные записи в выходной таблице предшествующего узла вместо того, чтобы использовать узел Агрегирование, поскольку выходные данные практически идентичные, и работа уже выполнена. Однако при работе с миллионами записей вкладка Уникальные записи может загружаться достаточно долго и требовать большого объема оперативной памяти. В этом случае узел Агрегирование является более масштабируемым и подходящим инструментом для просмотра такой информации. Недостатком в этом случае является наличие одного дополнительного узла на скрипте, который выполняет одну узкоспециальную операцию. Если узел не предназначен для повторного использования, то лучше всего использовать вкладку Уникальные записи.

В то время, как узел Агрегирование может использоваться для удаления повторяющихся записей из таблицы (при этом нужно использовать все колонки в качестве ключа агрегирования), более подходящим инструментом для такого случая является узел Уникальные записи. Оба узла генерируют похожие таблицы, но основное отличие состоит в том, что узел Уникальные записи включит в выходную таблицу все исходные колонки, а при агрегировании в выходную таблицу войдут колонки ключа и колонки с агрегированными значениями. При этом узел Уникальные записи отбирает для выходной таблицы только часть исходных данных согласно заданному ключу, что предполагает потерю данных. Выбор между узлами зависит от типа выходных данных, которые вы хотите получить, в частности, необходимо понимать, понадобятся ли вам в дальнейшем колонки, которые невозможно агрегировать.

В некоторых случаях похожий функционал предлагают узлы Структурная организация и Развертка транзакций, в которых записи группируются в соответствии с ключом. Однако цель данных узлов состоит в частичном транспонировании данных для дальнейшей обработки.

Для того, чтобы понять, как работает узел Агрегирование, выполните следующее:

Создайте новый проект и назовите его "Учебный узел Агрегирование".

Добавьте узел Файлы CSV на скрипт. Настройте его на загрузку файла CarData.csv, расположенного в папке Examples. Убедитесь, что данные в колонках Origin (Страна-производитель) и Model (Модель) являются строковыми. Выполните узел. В окне просмотра вы должны увидеть следующее:

Добавьте узел Агрегирование (в палитре узлов находится в разделе операций с таблицами) и соедините его с узлом Файлы CSV. Скрипт будет выглядеть следующим образом:

Откройте окно Настройки узла Агрегирование. Предположим, что мы хотим определить среднюю топливную экономичность автомобиля (количество миль на галлон бензина) по стране-производителю. Каждая запись в исходной таблице представляет отдельное наблюдение за автомобилем и содержит ряд его характеристик. Для каждого производителя мы можем рассчитать среднюю топливную экономичность. Для этого на вкладке Колонки выберите колонку Origin в качестве ключа агрегирования, а Mpg (расстояние в милях на галлон бензина) в качестве агрегируемой колонки.

Переключитесь на вторую вкладку и укажите, что мы хотим вычислить среднее значение для Mpg. Отметьте опцию Пропускать отсутствующие значения ключа, если она не включена; поскольку нас не интересуют те автомобили, производитель которых неизвестен. В разделе Использовать правила наименования оставьте суффикс. Для Режима агрегации строк оставьте Равенство. Включите опцию Добавить колонку с количеством строк и оставьте значение Count в качестве имени для новой колонки: так мы увидим, сколько записей было агрегировано для каждого значения страны-производителя. Вкладка должна выглядеть следующим образом:

Настройка завершена, нажмите Выполнить. Когда узел будет выполнен, откройте окно просмотра результатов.

Попробуйте самостоятельно перенастроить узел Агрегирование, чтобы рассчитать минимальное, максимальное значение и стандартное отклонение, а также диапазон отклонений расстояния в милях на галлон бензина. Попробуйте агрегировать колонку Weight (Вес) или какую-либо другую. Попробуйте выполнить конкатенацию моделей автомобилей по стране-производителю. Как видите, принцип работы узла Агрегирование позволяет использовать его для решения многих задач при работе с одной таблицей данных. В данном случае, наша цель – изучить, когда и как использовать узел Агрегирование в анализе данных.

Не забудьте сохранить свой проект, чтобы впоследствии его можно было использовать для справки.