<<　トップページへ

<<　目次へ

最終更新日：　2016.2.20

５．データ加工

ここではデータ加工のテクニックではなく、データ加工の「考え方」を説明します。データ加工といっても、単純化して考えるとトランザクション形式にデータに対してのみ「トランザクション集計」をするだけでよいのです。また、トランザクション集計をするうえで連続型かカテゴリカル型かによって処理が異なるだけで、高度なことをしようとしなければ基本は単純なものです。ただし、この基本を理解し実施できることが最重要です（基本なくして応用なし）。

5-1　連続型データの場合

統計手法のページで学んだように予測したい単位（もしくは分類したい単位）に応じたトランザクション集計をする必要があります。ここでは「顧客」がそれにあたるとして、顧客IDについての「グループ集計」を行います。例えば「顧客ごとの購買点数」を集計してみましょう。

顧客ID	購買日	商品名	点数	レジNo
0001 0001 0001 0001 0001 0001 0172 0172 0199	2012/3/4 2012/3/4 2013/5/10 2016/1/23 2016/1/23 2016/1/23 2015/10/10 2016/2/9 2015/2/9	元気パン 天然りんごジュース 元気パン 元気パン 天然りんごジュース モリモリ弁当 レッドホットサンド 天然りんごジュース 元気パン	1 1 2 1 1 1 2 5 2	0012 0012 0002 0125 0125 0226 0009 0221 0222

顧客「0001」について点数をみてみると「1, 1, 2, 1, 1, 1」となっています。この顧客「0001」は「1+1+2+1+1+1=7（点）」の商品を購買しているということがわかります。顧客「0172」と「0199」についてはどうでしょうか？考えてみてください。

まずは購買点数として「合計値」を求めましたが、平均購買点数という変数を作りたければ「平均値」を適用すればよいことになります。つまり連続型の変数については、何かしらの算術計算を施せばよいということがいえます。

5-2　カテゴリカル型データの場合

続いては「商品名」についての集計をしてみましょう。こちらはカテゴリカル型のデータであるため、連続型のデータと同じように算術的な処理ができません（元気パンと天然りんごジュースを足したり引いたりできません）。このような場合は「横展開」という操作を施します。例えば、顧客「0001」がどの商品を購買したかを「購買有無」すなわち「0-1データ」として表現してみることができます。商品は「モリモリ弁当」、「レッドホットサンド」、「元気パン」、「天然りんごジュース」があります。このうち顧客「0001」が購買しているのはモリモリ弁当、元気パン、天然りんごジュースの3種です。これを以下の表のようにまとめることができます。

まずは「商品ごとの購買有無」を0-1データで表現しましたが、「商品ごとの購買点数」として0-1ではなく点数の合計を集計することもできるでしょう。

5-3　データの紐付け

データの紐付けとは「他のテーブルにある値を参照する」ということだと考えればよいでしょう。元々あった顧客マスタ（下記、上側の表）に、先ほど集計した結果（下記、下側の表）を紐付けてみましょう。

顧客ID	性別	年齢	購買ランク	マイページ登録	登録ID
0001 0012 0172 0199	男性 男性 女性 男性	25 38 20 20	ゴールド ノーマル ノーマル シルバー	有 有 無 有	19928901 22309980 30003119

顧客ID	購買点数	モリモリ弁当	レッドホットサンド	元気パン	天然りんごジュース
0001	7	1	0	1	1
0172	7	0	1	0	1
0199	2	0	0	1	0

　　　　↓　2つのテーブルを紐付ける