kettle案例——数据清洗与校验（去除缺失值）

1.源数据预览

 2.打开kettle新建一个转换并添加下述步骤然后用跳连接 

  3.配置文本文件输入控件

单击【浏览】按钮，选择要去除缺失值的文件revenue.txt；单击【增加】按钮，将要去除缺失值的文件revenue.txt添加到“文本文件输入”控件中。

 单击“内容”选项卡；在清除分隔符处的默认分隔符“；”，单击【Insert TAB】按钮，在分隔符处插入一个制表符；取消勾选“头部”复选框，若不取消，在进行数据抽取操作时会排除文件第一行的数据。

 单击“字段”选项卡；根据文件revenue.txt的内容添加对应的字段名称，并指定数据类型。

  单击【预览记录】按钮，查看文件revenue.txt中的数据是否成功抽取到文本文件输入流中，具体如图所示。

  4.配置字段选择控件

在“选择和修改”选项卡的“字段”处手动添加文本文件输入控件输出的所有数据字段，也可以单击【获取选择的字段】按钮，Kettle工具自动检索并添加文本文件输入控件输出的所有数据字段。

 在“移除”选项卡处添加要移除的字段名称，这里移除的是Sex字段。 

  5.配置过滤记录控件

在“条件”处设置过滤的条件，过滤掉有缺失值的数据字段（这里是过滤Name、Pay和Area字段中的缺失值）；单击左边“”框，弹出字段对话框，选择要过滤的字段Name；单击 “=”框，弹出函数对话框，选择过滤条件（这里选择IS NULL）。

 

 字段Name的过滤设置如图所示。 

 单击符号“+”增加过滤条件；单击“AND”，弹出操作符对话框，选择操作符（这里选择的是OR）。

 

单击“增加条件”图中的“null = [ ]”，添加过滤字段；单击左边“”框，弹出字段对话框，选择要过滤的字段Pay；单击“=”框，弹出函数对话框，选择过滤条件（这里选择IS NULL）。字段Pay的过滤设置，如图所示。

单击“字段Pay的过滤设置”图中的符号“+”增加过滤条件；单击“AND”，弹出操作符对话框，选择操作符（这里选择OR）。 

 单击“增加条件”图中的“null = [ ]”，添加过滤字段；单击左边“”框，弹出字段对话框，选择要过滤的字段Area；单击“=”框，弹出函数对话框，选择过滤条件（这里选择IS NULL）；字段Area的过滤设置，具体如图所示。

 连续单击两次【确定】按钮，查看整体设置的过滤条件。

 在“发送true数据给步骤：”处的下拉框中选择“空操作”，将包含缺失值的行数据放在空操作控件中；在“发送false数据给步骤：”处的下拉框中选择“Excel输出”，将没有缺失值的行数据输出到Excel文件中。6.配置Excel输出控件

单击【浏览】按钮，选择要输出的文件路径。

  7.保存运行，成功后截图如下

 8.查看文件file.xls