データサイエンス100本ノック 構造化データ加工編をAlteryxでやってみる（16問目～20問目：データ抽出基礎＋順位付け編）

[AkimasaKajitani]

一般社団法人データサイエンティスト協会から公開されているデータサイエンス100本ノック 構造化データ加工編のウィークリーチャレンジ方式による出題第４回目は16問目～20問目を一つにまとめてみました。データ抽出に加えて、順位付けの問題も出てきました！

• P-016: 店舗データ（store.csv）から、電話番号（tel_no）が3桁-3桁-4桁のデータを全項目表示せよ。
• P-017: 顧客データ（customer.csv）を生年月日（birth_day）で高齢順にソートし、先頭から全項目を10件表示せよ。
• P-018: 顧客データ（customer.csv）を生年月日（birth_day）で若い順にソートし、先頭から全項目を10件表示せよ。
• P-020: レシート明細データ（receipt.csv）に対し、1件あたりの売上金額（amount）が高い順にランクを付与し、先頭から10件表示せよ。項目は顧客ID（customer_id）、売上金額（amount）、付与したランクを表示させること。なお、売上金額（amount）が等しい場合でも別順位を付与すること。
  ※同順位の場合はcustomer_idの昇順に並べること（Alteryxオリジナル条件）
• P-019: レシート明細データ（receipt.csv）に対し、1件あたりの売上金額（amount）が高い順にランクを付与し、先頭から10件表示せよ。項目は顧客ID（customer_id）、売上金額（amount）、付与したランクを表示させること。なお、売上金額（amount）が等しい場合は同一順位を付与するものとする。
  ※同順位の場合はcustomer_idの昇順に並べること（Alteryxオリジナル条件）
  ※同一順位について：2位が2つあれば次は3位ではなく4位となるものとする

※19問目、20問目は、難易度の関係で順番を入れ替えております

解いたらこちらに投稿していただければと思います。ちなみに、次回投稿は一週間後を予定しています。

solutionファイルは次回添付します。

添付ファイルは今回の出題のstartファイルと、前回のsolutionファイルです。

前回：データサイエンス100本ノック 構造化データ加工編をAlteryxでやってみる（10問目～15問目：データ抽出基礎編）

[DaisukeTsuchiya]

できました。

スポイラ

 

[Yoshiro_Fujimori]

できました。（どうもファイルがアップロードできないので、今回も画面コピーのみでの提出です。）

16問目：解答データのフィールドが１個一致しませんでしたが、OKとしました。

19問目：R言語だとmin_rank関数で簡単にできますが、Alteryxにはないので、

　　　　レコードIDツールと複数行フォーミュラツールの組み合わせで解決しました。
　　　（ヒントにあったタイルツールでの解法も試してみましたがわかりませんでした）

スポイラ

16問目

17問目

18問目

20問目

19問目

[sanae]

できました！

スポイラ

[Qiu]

できました。

Rankingについて、下記を参考しました。

https://www.thedataschool.co.uk/liu-zhang/alteryx-how-to-rank-by-group

スポイラ

[AkimasaKajitani]

できました！

スポイラ

１９問目はなんだかんだでこのやり方です・・・。

@Yoshiro_Fujimori さん

スポイラ

16問目：解答データのフィールドが１個一致しませんでしたが、OKとしました。
→　はい、問題ないと思います！もとの１００本ノックにもこの項目があったのでそのままやっています。

19問目：R言語だとmin_rank関数で簡単にできますが、Alteryxにはないので、

　　　　レコードIDツールと複数行フォーミュラツールの組み合わせで解決しました。
　　　（ヒントにあったタイルツールでの解法も試してみましたがわかりませんでした）
→タイルのTile_SequenceNumが複数行フォーミュラと同じように出てくるので、、、設定量が減るくらいの効果くらいしかないですね・・・

ランキングの取り方でもう一つメジャーなのがありますよね。1,2,3,3,3,4,4,4,みたいな感じで１９問目みたいに番号が飛ばないバージョンですね。そのあたりもやっていればだいたい網羅できるのかな、と思います。

[Yoshiro_Fujimori]

@AkimasaKajitani さん

> 1,2,3,3,3,4,4,4,みたいな感じで１９問目みたいに番号が飛ばないバージョン

'dense rank' ですね。

19問目のMulti Row Formulaの式を少し変えたらできました。

スポイラ

IF [Row-1:amount]=[amount]
THEN [Row-1:Rank]
ELSE [Row-1:Rank] + 1
ENDIF

R にはほかにもランキングについての関数があるので、Alteryxで試してみると面白いかもしれませんね。
https://dplyr.tidyverse.org/reference/ranking.html

[AkimasaKajitani]

@Yoshiro_Fujimori さん

実はこの問題（Dense Rankって言うんですね・・・）は、過去のウィークリーチャレンジでもありました。

チャレンジ #4: アナリティクス ランキング

元の問題よりこちらの方が実は簡単ですね、、、

[Masao]

解答できました！

複数行フォーミュラの使い方も少し慣れてきました。

スポイラ

[gawa]

19問目でがっつりはまりました

スポイラ

メモ

正規表現なしでもなんとかなる

初心者はNo.19はいったん飛ばしてもよいかも(SQLだと楽なやつ）