nehanにおけるデータの仕様
nehan が扱うデータは、列と行でできた 1 枚の表です。表計算ソフトのシートやデータベースのテーブルと同じ形で、どの機能もこの形のデータを受け取り、この形で返します。
次の表を例に、呼び方をそろえます。
| 年齢 | 性別 |
|---|---|
| 20 | 男 |
| 30 | 女 |
呼び方
- 列名
- いちばん上の行。上の例では 年齢 と 性別。処理の設定で列を指す手がかりになります。
- 列
- 縦に並んだ値。年齢列は
20と30です。列方向は縦の向きを指します。 - 行
- 横に並んだ値。上の例では
20, 男と30, 女の 2 行です。行方向は横の向きを指します。 - セル
- 行と列が交わる 1 マス。値は 1 つだけ入ります。
1 枚の表としての決まり
列名は重ならない
同じ表の中に同じ列名は置けません。重なると 2 つ目以降に番号が付きます(ファイルを読み込んだときは .1 .2、処理の結果で重なったときは _1 _2)。使えない文字が _ に置き換わる決まりもあり、設定した名前と表示される名前が食い違うことがあります。 詳しくはデータ列名の仕様にあります。
列ごとに型が 1 つ決まる
1 つの列に入るのは 1 種類の値です。数値の列に文字を混ぜておく、ということはできません。分析プロジェクトで列に付く型は数値・文字列・日付・日付時間・時間の 5 つです。詳しくは列型の仕様にあります。
セルには値を 1 つだけ置く
セルの中に表や一覧を入れ子にはできません。 BigQuery や Athena のように入れ子を持てるサービスにつないだ場合、入れ子のまま見られるのは SQLビルダーの中だけです。分析プロジェクトへ渡すには、SQL の側で平たくしておきます。
行に番号は付かない
nehan は行に識別子を持ちません。 「3 行目」を指して処理する機能はなく、行を見分けたいときは値で見分けます。見分ける値がないときは連番の追加で自分で作ります。
空のセルは欠損値になる
値が入っていないセルは欠損値として扱われ、画面では <NA> と出ます。集計や結合での扱いは欠損値の仕様にあります。
効いてくる場面
| 場面 | どう効くか |
|---|---|
| ファイルを取り込む | 1 行目が列名になります。見出しが複数行ある表は、2 行目以降が値として入ります |
| 1 つのシートに表を並べる | 1 枚の表に収まっていないと、まとめて 1 つのデータにはなりません |
| 集計の結果を使う | 集計の結果も 1 枚の表です。グラフにも次の処理にもそのまま渡せます |
外れたとき
1 枚の表になっていないファイルは、見た目のとおりには読めません。 次の形は読み込みの設定か前処理で整えます。
| 元の形 | どうするか |
|---|---|
| 見出しが 2 行以上ある | 1 行目だけを列名として読み、残った見出し行を条件で行をフィルタで落とす |
| 1 つのシートに複数の表が並んでいる | 表ごとにファイルかシートを分けてから取り込む |
| 列が項目名、行が日付、という横に広い表 | 縦持ち変換で縦に組み替える |
| 1 つのセルに複数の値が詰まっている | 文字列の分割で列に分ける |