*欢迎关注公众号 数据分析指北*

数据分析指北 - 基础(基础数据操作之三，从"完备"到基础操作 select)

---

历史回看：
数据分析指北 - 前言(02)
方法论 之 你会问问题吗？
数据分析指北 - 基础(数据来源及轮廓)
有必要搞清楚数据的原始出处以及大致轮廓（分布）。
数据分析指北 - 基础(基础数据操作之一)
计算机是怎么处理表数据的，以及一些小学数学题？

---

*Photo by Markus Spiske on Unsplash*

微信公众号：数据分析指北

关于完备

假如有人给你出了一套数学题，但从来没有人教过你怎样去做，甚至连基础的操作运算符，加减乘除，你都是不知道的，需要你自己去发明。

出题的人知道答案，只要存在 "加一"，"减一" 这两个运算规则就可以解决这套题里面的所有问题。

你开始不停的研究啊研究，终于发明出来 "加一" 这个运算规则，但可惜的是，"加一" 这个运算规则，只能解决那套题中的部分问题，还有一些问题无论如何只通过 "加一" 是没办法解决的。

这种情况下，你所知道的规则，就是不完备的（解决不了这套数学题中的所有问题）。

你接着研究，终于又发明出来 "减一" 这个运算规则，bingo! 这套数学题中的所有问题都解决了！你发明的这两个规则就是完备的。

但你觉得做题还是有点慢，于是又发明出来 "加二"，"减二" 等等方便运算的规则，在这种情况下，你之前所发明的整个规则加起来，也是完备的。后面发明出来的规则在遇到一些特定的问题时，会方便快捷一些，但如果没有这些规则，只通过 "加一"，"减一" 也是没有问题的。

另外一位同学，小T，和你面对着同样一套数学题，但他的研究过程和你有些差异，他在研究出来 "加一" 规则之后，并没有发明出来 "减一" 这个规则，而是发明出来了 "加负一" 这个规则。小T拥有的这两个规则，也解决了这套数学题中的所有问题，虽然和你的最终结果有所差异，但也是完备的。

以上就是完备的大概意思。在计算机中，有一种叫做图灵完备的概念。数学家艾伦·图灵（Alan Turing）发明了一台叫做"图灵机"的东西，这台机器能够计算可计算的一切问题。其他人发明出来的虚拟机或编程语言如果和 "图灵机" 一样计算可计算的一切问题，那么这样的虚拟机或编程语言就叫做图灵完备，或是图灵等价的。这个概念在计算机语言方面用的比较多。

会几种编程语言

也许你曾遇到这样的问题，"你会几种编程语言？"。其实语言种类不是特别重要，只要你理解一种编程语言，其他大部分的编程语言中基础的概念你就不用再学，只需要记记基本的格式就可以了。计算机程序无非就是，赋值语句，判断分支语句，循环执行语句等。有了这些基本功能，这门语言就可以算"完备"了，有时这些语言会增加一些特别的功能方便用户使用，但其实，如果没有这些特别增加的功能，只使用一些基本功能，也是可以完成任务的。以上述完备例子中的数学题为例，如果你走了 "加一"，"加负一" 的研究路线，那么在能解决现有问题的情况下，这就是一种 最小完备 的状态，不再投入时间等资源就是 最实用 的一种方式，提纲挈领说的就是这个意思。在其他学科中，可能会用正交，最小正交等词来表达近似概念。

这种思维方式我们会在后期有意无意的使用。

之前的作业

让我们从之前的数据和部分作业继续聊起。

*示例数据*

1. 想得到只有班级和姓名组成的新表；
2. 想得到只有2班同学的新表；
3. 想得到姓"李"的同学的新表；
4. 想得到2班同学且只有班级和姓名组成的新表；
5. 想把上一个问题中得到的表的表头--"班"改成"班级"；

SQL是数据库的标准语言，逻辑，结构都比较清晰，里面的基础语法可以认为是我们上面所提到的操作数据的 最小完备 的语法。鉴于本系列在工具层面会侧重于 KNIME ，那么下面描述逻辑会将SQL的 最小完备 操作对应到 KNIME 中去，以期用最小的时间以及精力代价获得最大收益。

SQL的语法超级简单，但这种超级简单的语法却能派生出一些复杂的操作。我们先看 SELECT 这个语法。

SELECT in SQL

想遴选（select）数据出来，那么必须得知道从什么地方（from）去遴选什么（*），条件是什么（where）。

我一般将select的操作分为以下两种以及它们的组合。

*通过SELECT遴选整行* *通过SELECT遴选特定列*

第一种，通过 SELECT 遴选整行

select * from sampleData where 1=1

其中的 "*" 代表了要选取那一行中所有的列，where后面的部分可以列写你的筛选条件，写"1=1"只是想在这里放一个占位符，示意这里放你的条件（只不过1=1这个条件是永远成立的）。比如你想要选出 "性别" 列中，元素值为"男"的列，那么你只需要写

select * from sampleData where 性别='男'

就可以得到你的结果了。

第二种，通过 SELECT 遴选特定列

select column1, column2 from sampleData

这句选择展示了 sampleData 表中名叫 column1 和 column2 的列。

好了，再看我们的作业用SQL的话怎么做：

1. 想得到只有班级和姓名组成的新表；
   select 班级，姓名 from sampleData
2. 想得到只有2班同学的新表；
   select * from sampleData where 班级=2
3. 想得到姓"李"的同学的新表；
   select * from sampleData where 姓名 like "李%"
4. 想得到2班同学且只有班级和姓名组成的新表；
   select 班级，姓名 from sampleData where 班级=2
5. 想把上一个问题中得到的表的表头--"班"改成"班级"；
   select 班级 AS 班，姓名 from sampleData where 班级=2

SELECT in KNIME

对应于SQL中的select语句，KNIME要稍微麻烦一些（但带来了其他好处）。
我们上节已经把CSV文件导入到了 KNIME 中，这次只需要把对应的基本操作找出来就可以了。（在附录2中我们对 KNIME 有基本介绍。）对于之前图中"通过SELECT遴选整行"的情况，我们只需要把模块 Manipulation/Row/Filter/Row Filter模块放进去就可以代替我们前面所说的 where 功能了。

*KNIME中的row filter*

可以从截图看到，row filter 支持各种条件过滤，比如选取符合某种条件的行，或是排除某种条件的行，普通的条件，通配符，正则表达式，或是范围条件，它都是支持的。

对于之前图中"通过SELECT遴选特定列"的情况，我们只需要把模块 Manipulation/Column/Filter/Column Filter模块放进去就可以代替我们前面所说的 select xxx,yyy 的功能了。

*KNIME中的column filter*

通过这两个模块的各种组合，就可以完成上面在SQL中完成的五道作业。第5题改表头的特殊要求，需要我们找到KNIME中的一个叫 rename 的模块，组合进去就可以了。

本次作业是：熟悉一下这次谈到的模块，并自己组合一下试试看。

配套练习下载方法：关注公众号，回复 "作业" 二字即可获得下载链接。

回头聊

反馈，转发或赞赏？