Unire dati

Unisce due set di dati

Categoria: Trasformazione/Manipolazione dei dati

Panoramica del modulo

Questo articolo descrive come usare il modulo Join Data in Machine Learning Studio (versione classica) per unire due set di dati usando un'operazione di join di tipo database.

Per eseguire un join su due set di dati, è necessario che siano correlati da una singola colonna chiave. Le chiavi composte non sono supportate.

Come configurare l'aggiunta di dati

1. In Machine Learning Studio (versione classica) aggiungere i set di dati da combinare e quindi trascinare il modulo Join Data (Unisci dati) nell'esperimento.

   È possibile trovare il modulo nella categoria Trasformazione dati in Manipolazione.

2. Connessione i set di dati al modulo Join Data (Unisci dati).

   Il modulo Join Data non supporta un right outer join, quindi se si vuole assicurarsi che le righe di un determinato set di dati siano incluse nell'output, tale set di dati deve essere incluso nell'input a sinistra.

3. Fare clic su Launch column selector (Avvia selettore di colonna) per scegliere una singola colonna chiave per il set di dati nell'input a sinistra.

4. Fare clic su Launch column selector (Avvia selettore di colonna) per scegliere una singola colonna chiave per il set di dati nell'input a destra.

5. Selezionare l'opzione Maiuscole/minuscole se si sta unendo in join una colonna di testo e si vuole assicurarsi che il join manterti la distinzione tra maiuscole e minuscole.

   Ad esempio, se si seleziona questa opzione, A1000 verrà considerato un valore di chiave diverso da a1000.

   Se si deseleziona questa opzione, la distinzione traA1000 maiuscole e minuscole non viene applicata e verrà considerata come a1000.

6. Usare l'elenco a discesa Tipo di join per specificare la modalità di combinazione dei set di dati. Tipi:

   • Inner join: una inner join è la tipica operazione di join. Restituisce le righe combinate solo quando i valori delle colonne chiave corrispondono.

   • Left Outer Join: un left outer join restituisce le righe unite in join per tutte le righe della tabella di sinistra. Quando una riga nella tabella di sinistra non ha righe corrispondenti nella tabella di destra, la riga restituita contiene i valori mancanti per tutte le colonne provenienti dalla tabella di destra, se non si specifica un valore sostitutivo per i valori mancanti.

   • Full Outer Join: un full outer join restituisce tutte le righe dalla tabella di sinistra (table1) e dalla tabella di destra (table2).

     Per ogni riga della tabella di sinistra che non contiene righe corrispondenti nella tabella di destra, i risultati del join includono una riga contenente i valori mancanti della tabella di destra.

     Per ogni riga della tabella di destra senza righe corrispondenti nella tabella di sinistra, i risultati del join includono una riga contenente valori mancanti per tutte le colonne della tabella di sinistra.

   • Left Semi-Join: un semi join a sinistra restituisce solo i valori della tabella di sinistra quando i valori delle colonne chiave corrispondono.

7. Per l'opzione Mantieni colonne chiave destra nella tabella unita in join:

   • Deselezionare l'opzione per ottenere una singola colonna chiave nei risultati.
   • Lasciare selezionata l'opzione per visualizzare le chiavi da entrambe le tabelle di input.

8. Eseguire l'esperimento oppure selezionare il modulo Join Data (Unisci dati) e selezionare Run Selected (Esegui selezionato) per eseguire il join.

9. Per visualizzare i risultati, fare clic con il pulsante destro del mouse sul modulo Join Data (Unisci dati ), selezionare Results dataset (Set di dati risultati) e fare clic su Visualize (Visualizza).

Esempio

È possibile visualizzare esempi di come viene usato questo modulo nel Azure AI Gallery:

• Rilevamento del seno:i dati di join vengono usati per combinare i casi di training positivi con i casi di training negativi dopo che la proporzione dei casi è stata regolata.

• Stima dei ritardi dei voli: in questo esempio, Join Data viene usato per riunire funzionalità utili da set di dati esterni.

• Raccomandazione di film: vengono uniti due set di dati in modo da poter presentare i titoli dei film consigliati anziché un ID film.

• Stima delle prestazioni degli studenti: in questo esempio i dati di join vengono usati per aggiungere nuove funzionalità.

Note tecniche

Questa sezione descrive i dettagli dell'implementazione e le risposte ad alcune domande frequenti.

Restrizioni

• Il set di dati combinato non può contenere due colonne con lo stesso nome. Se i set di dati sinistro e destro hanno nomi di colonna duplicati, viene aggiunto un suffisso numerico ai nomi di colonna del set di dati corretto per renderli univoci.

  Ad esempio, se entrambi i set di dati hanno una colonna denominata Month, la colonna del set di dati a sinistra rimarrà invariata e la colonna del set di dati di destra verrà rinominata Mese (1).

• L'algoritmo usato per confrontare i valori chiave viene applicato dall'hash.

• Ogni colonna del set di dati unito mantiene un tipo categorico, se la colonna corrispondente del set di dati di input è categorica.

• Nei left outer join, in caso di valori mancanti, viene creato un livello categorico per i valori mancanti nel set di dati di sinistra. Questo si verifica anche se non sono presenti valori mancanti nel set di dati unito di destra.

Come è possibile creare un join di una tabella in una chiave composta?

Se è necessario creare un join di una tabella che usa chiavi composte, ovvero la chiave primaria si basa su due colonne indipendenti, usare un modulo simile al seguente per concatenare il contenuto delle due colonne chiave:

• Execute R Script (Esegui script R)

  Ad esempio, usare codice come quello riportato all'interno dello script R per concatenare la prima e la seconda colonna del frame di dati di input usando un trattino come separatore. paste(inputdf$Col1,inputdf$Col2,sep="-")

• Apply SQL Transformation (Applica trasformazione SQL)

  L'operatore di concatenazione in SQLite è ||.

Come è possibile creare un join di tabelle che non hanno una chiave?

Se il set di dati non ha una colonna chiave, è comunque possibile combinarlo con un altro set di dati, generando una chiave o usando il modulo Aggiungi colonne.

Il modulo Add Columns si comporta come R e può unire due set di dati riga per riga, se i set di dati hanno lo stesso numero di righe. Se i set di dati hanno dimensioni diverse, viene generato un errore.

Input previsti

Parametri del modulo

Output

Eccezioni

Per un elenco degli errori specifici dei moduli di Studio (versione classica), vedere Machine Learning codici di errore.

Per un elenco delle eccezioni API, vedere Machine Learning di errore dell'API REST.

Vedi anche

Manipolazione
Trasformazioni dei dati
Elenco moduli A-Z