数据集操作

数据连接

数据连接可以将特征维度不完全相同，且必须至少一个特征是相同的数据集，通过数据连接，合并成一个具备更多特征列的数据集。

数据连接是基于主键字段列，即两个数据集的相同特征列，采用leftouter、rightouter、inner、outer连接方式，连接两个数据集实例。

数据连接的两份数据的键值必须相同，否则系统无法进行数据连接。

将两份数据分别理解为左表和右表。连接方式说明如下：

• leftouter：以左表为主，返回所有左表数据以及匹配的右表数据。右表重复字段名加后缀__duplicate。
• rightouter：以右表为主，返回所有右表数据以及匹配的左表数据。左表重复字段名加后缀__duplicate。
• inner：以左表为主，返回左表和右表同时匹配的数据。右表重复字段名加后缀__duplicate。
• outer：以左表为主，返回左表和右表所有的数据。右表重复字段名加后缀__duplicate。

以如下表1、表2为例，键值为ID列，则按照leftouter、rightouter、inner、outer连接后的返回值分别如表3、表4、表5、表6。

数据连接操作步骤如下。

1. 单击数据目录区域框中的，弹出“数据连接”对话框，如图1所示。
   图1 数据连接界面
   

2. 配置“数据连接”对话框参数：
   • 主数据集：主数据集、主数据实例、键值。
   • 扩展数据集：扩展数据集、扩展数据实例、键值。
   • 目标数据集：目标数据集、目标数据实例。其中目标数据名称只能以字母（A~Z、a~z）开头，由字母、数字（0~9）、下划线（_）、中划线（-）组成，不能以下划线或中划线结尾，且长度为[1-128]个字符。
   • 连接方式：leftouter、rightouter、inner、outer。

3. 单击“确定”，执行数据连接。

   数据连接完成后，系统在目标数据集下生成一个新数据集实例，名称即为目标数据名称。

数据联合

数据连接操作后，新生成的数据，其特征列会增多；数据联合操作后，数据集实例的样本量会增多。

数据联合，是合并两份数据的样本，合并后数据的样本量是两份数据样本量的总和。

左表和右表特征列数不一致时，按照如下情况处理：

• 左表特征列数多，右表不足的特征列补充空值。
• 右表特征列数多，以左表为准，删除右表多余的特征列。

1. 单击“数据目录”区域框中的，弹出“数据联合”对话框，如图2所示。
   图2 数据联合界面
   

2. 配置“数据联合”对话框参数：
   • 主数据集：主数据集、主数据实例。
   • 扩展数据集：扩展数据集、扩展数据实例。
   • 目标数据集：目标数据集、目标数据实例。其中目标数据名称只能以字母（A~Z、a~z）开头，由字母、数字（0~9）、下划线（_）、中划线（-）组成，不能以下划线或中划线结尾，且长度为[1-128]个字符。

3. 展开高级配置，用户可以根据界面展示的左数据特征、左数据类型、右数据特征、右数据类型，手动配置需要匹配的特征列。
4. 单击“确定”，执行数据联合。

   数据联合完成后，系统在目标数据集下生成一份新数据，名称即为目标数据实例名称。