第二期~涵盖完整的Core Designer-Visual Recipes全流程。

---

 

Dataiku DSS Core Designer-Visual Recipes

可视化步骤

---

 

教程| 关联 (Join) 插件

本教程将介绍如何使用关联(Join) 插件，通过合并多个数据集来丰富数据信息。

项目目标

将以下三个数据集整合为一个：

tx (交易数据): 包含信用卡交易 ID、信用卡 ID (card_id)、商户 ID (merchant_id) 及授权状态。

merchants (商户数据): 包含商户位置、类别等。

cards (卡片数据): 包含持卡人信用评分 (FICO) 及激活月份。

分步教程

1. 准备关联键 (Join Keys)

在开始之前，需确认各表之间的关联字段：

tx 与 cards: 使用 card_id (来自 tx) 和 id (来自 cards)。

tx 与 merchants: 使用 merchant_id (来自 tx) 和 id (来自 merchants)。

 

 

2. 创建并配置关联插件

第一步：建立tx 与 cards 的关联

1.在Flow 界面选中 tx，点击右侧 Join with...。

2.选择 cards 作为第二个输入集，输出命名为 tx_joined。

3.定义条件： 在 Join 步骤中，手动将匹配列从 id 修改为 card_id (tx 表) 匹配 id (cards 表)。

关联类型： 默认使用 Left Join (左关联)，保留所有交易记录。

 

 

第二步：添加第三个数据集(merchants)

无需新建插件，在当前Join 步骤点击+ 号。

添加merchants 数据集。

设置关联条件：使用merchant_id (tx

 

 表) 匹配 id (merchants 表)。

默认情况下，recipe将删除不匹配的行，但是我们也可以配置recipe将不匹配的行发送到另一个输出数据集

 

 

3. 选择列与重命名

为了避免列名冲突（例如两张表都有id 或 category），可以在 Selected columns 步骤进行优化：

添加前缀： 为 merchants 数据集的所有列添加前缀 merchant_。

筛选字段： 勾选需要保留的列，剔除重复或无用的字段。

 

 

4. 执行与结果

点击Run 执行。完成后查看 tx_joined，你会发现原始交易数据已成功合并了卡片信息和带有 merchant_ 前缀的商户信息。

 

 

---

 

教程| 准备 (Prepare) 插件

在完成数据集关联后，我们得到了tx_joined。现在，我们将使用 准备(Prepare) 插件 对数据进行清洗、转换和富化。

项目目标

创建Prepare 插件并定义处理步骤（Script）。

处理日期、数字和文本数据。

使用Dataiku 公式语言 (Formula)。

分步步骤

1. 创建 Prepare 插件

在Flow 中选中tx_joined，点击右侧操作栏的 Prepare。

将输出数据集命名为tx_prepared，点击 Create Recipe。

 

 

2. 日期处理 (Date Processing)

日期通常以字符串形式导入，需要解析后才能进行计算。

筛选显示列（可选）： 为了专注操作，点击右上角 Display > Select displayed columns，仅勾选 purchase_date 和 first_active_month。

 

 

解析purchase_date：

点击脚本面板底部的+ Add a New Step，搜索 Parse to standard date format。

在Column字段中，输入purchase_date 列，点击 Find with Smart Date。

系统会自动识别出yyyy-MM-dd 格式，点击 Use Date Format。该操作会直接覆盖原列。

解析first_active_month（快捷操作）：

点击该列标题的下拉菜单，直接选择Parse date。

识别格式为yyyy-MM，点击使用。

这会生成一个新列first_active_month_parsed。

 

 

整理字段： 

1.点击原 first_active_month 标题下拉菜单，选择 Delete。

2.点击新生成的 first_active_month_parsed，选择 Rename 改回 first_active_month。

 

提取日期组件： 点击 purchase_date 下拉菜单选择 Extract date components。在脚本中填入输出列名：purchase_year、purchase_month、purchase_day 和 purchase_dow（注：1 代表周一）。

 

计算活跃天数： 点击 first_active_month 下拉菜单选择 Compute time since。

Until 选择 Another date column。

Other column 选择 purchase_date。

Output unit 设为 Days，命名为 days_active。

 

 

3. 数字转换 (Process Numbers)

汇率转换： 点击 + Add a New Step，搜索 Convert currencies。

Column: purchase_amount。

From: USD，To: EUR。

Date source: 选择 From Column (Date) 并填入 purchase_date，这样系统会根据当天的历史汇率转换。

四舍五入： 点击 purchase_amount 标题，选择 Round to integer，并将 Decimal places 设置为 2。

 

 

4. 文本清理与提取 (Process Text)

文本规范化： 点击 product_title 标题，选择 Simplify text。这会执行转小写、去标点、去重音等操作。

 

 

正则提取(Regex)： 添加 Extract with regular expression 步骤。

Input column: product_title。

Regular expression: \b(apple|macbook|ipad|iphone|ipod)\b。

Prefix: apple。

提示：你可以通过列过滤器查看提取效果，过滤掉"No value" 的行。

 

 

5. 高级公式 (Use a Formula)

添加Formula 步骤，用于判断周末交易。

Formula for: purchase_weekend。

Formula expression: if(purchase_dow > 5, 1, 0)。

点击Apply 后，你会看到 purchase_dow 为 6 或 7 的行被标记为 1。

 

 

6. 整理与运行

步骤分组： 选中脚本面板中前 6 个日期处理步骤，点击 Actions > Group，重命名为 Process dates。

 

执行： 点击左下角的 Run。完成后点击 Explore dataset tx_prepared 查看最终清洗后的完整数据。

---

 

教程| 分组 (Group) 插件

在完成了tx_prepared 数据集的准备工作（解析日期、处理数值和文本等）后，我们将使用 分组(Group) 插件 根据特定字段（键）对数据进行聚合统计。

1. 创建分组插件

分组插件允许您根据一个或多个键(Keys) 的值来聚合其他列的值。

1.在Flow 界面选中 tx_prepared 数据集。

2.在右侧 Actions 面板的 Visual Recipes 栏下，点击 Group。

在弹出的对话框中：

3.Input dataset: 保持为 tx_prepared。

4.Group by: 选择 card_id。

5.Output dataset: 命名为 tx_group。

6.点击 Create Recipe。

 

2. 选择聚合方式 (Aggregations)

在Group 步骤中，您需要定义如何处理每个分组内的数据。本教程的目标是按卡号分组，并计算每张卡的消费总额和平均消费额。

1.确认分组键： 确保 card_id 已被列为分组键 (Group key)。

2.配置字段聚合(Per field aggregations)：

找到purchase_amount 字段。

1.勾选 Avg (平均值)。

2.勾选 Sum (总和)。

默认统计： Dataiku 会默认计算每个分组的 Count (行数，即消费次数)。

 

提示： 只有数值类型（如 Double）的列才能进行 Sum 和 Avg 计算。插件界面会通过图标提醒您每列的存储类型。

3. 检查输出并运行

查看输出结构： 切换到 Output 步骤。你会发现输出结果仅包含 4 列：分组键 (card_id) 以及三个统计结果列 (count, sum, avg)。

注意： 任何未被选作“分组键”或“聚合字段”的原始列（如 purchase_date）都不会出现在输出结果中。如果您需要在保留原始行的同时添加统计信息，通常需要使用 窗口(Window) 插件。

执行： 点击左下角的 Run。

4. 探索结果

1.打开生成的 tx_group 数据集：

2.点击 card_id 列的下拉菜单，选择 Analyze。

你会发现所有值都是唯一的——这意味着现在每张信用卡在表中只有一行记录，汇总了其所有的交易历史。

 

 

教程| 窗口 (Window) 插件

在分组教程中，您学习了如何按卡号聚合数据。现在，我们将使用更高级的窗口(Window) 插件。与分组插件不同，窗口插件可以在保留数据集中每一行记录的同时，执行聚合计算，并允许您通过定义不同的“时间窗口”来观察计算结果的变化。

项目目标

Ø配置不同类型的窗口帧（Window Frame）。

Ø计算每一行的累计总额（Cumulative Sum）。

Ø基于“行数范围”和“数值范围”计算窗口。

1. 创建窗口插件

1.在Flow 中选中 tx_prepared 数据集。

2.在右侧 Actions 面板点击 Window 插件。

3.将输出数据集命名为 tx_windows，点击 Create Recipe。

 

2. 使用未定义范围的窗口

首先练习无边界窗口：按card_id 分组并按日期排序。

Window definitions 步骤：

1.开启 Partitioning Columns（分区列），选择 card_id。

2.开启 Order Columns（排序列），选择 purchase_date。

3.开启 Window Frame，暂不修改默认设置。

 

Aggregations 步骤： 勾选 purchase_amount 的 Sum。

 

运行并查看： 此时，同一张卡的所有行显示的 purchase_amount_sum 都是相同的，因为窗口包含了该卡的所有记录。

 

 

3. 计算累计总额 (Cumulative Sum)

目标：计算每张卡在当前交易日期（含）之前的所有消费总额。

返回插件，在Window Frame 设置中，勾选 Limit following rows 并设为 0。

这表示窗口范围是：从起始行到当前行。

运行结果： purchase_amount_sum 会随着日期增长而递增。

 

4. 使用“行数”和“数值”范围

A. 基于行数 (Range of rows)

设置固定长度的滑动窗口：

Limit preceding rows: 勾选并设为 5。

Limit following rows: 设为 -1。

结果： 窗口包含当前行之前的 5 行（不含当前行）。消费总额不再持续增长，因为它只计算最近 5 笔交易。

 

B. 基于数值范围 (Value range)

按时间跨度（天数）定义窗口：

勾选Limit window on a value range of the order column。

范围： 下限设为 5，上限设为 -1，单位选 Days。

结果： 窗口包含当前日期前 5 天内的记录。如果前 5 天内没有交易，该行结果将为空（Empty）。（-1 是一种 “不包含后续行” 的写法）

 

5. 计算排名与滞后 (Compute rank & lag)

探索更复杂的分析函数：

Aggregations 步骤：

开启Row number：可理解为截至目前的消费次数统计。

开启purchase_date 的 LagDiff：设置值为 1，单位为 Days。

 

结果： purchase_date_lag_diff 显示了连续两笔交易之间的时间间隔天数。

 

 

教程| Top N 插件

在本教程中，我们将使用Top N 插件 来筛选出练习数据集中金额最大的几笔交易。

项目目标

Ø找出全数据集中金额最高的5 笔交易。

Ø找出每个商品类别中金额最高的5 笔交易。

1. 创建 Top N 插件

1.在Flow 中选中 tx_prepared 数据集，在右侧 Actions 面板点击 Top N。

2.保持 tx_prepared 为输入集，输出命名为 tx_topn。

3.点击 Create Recipe。

 

2. 查找金额最高的交易

若要获取全表最大额的5 笔订单：

1.在插件配置页，设置获取 前(Top) 5 行，末尾(Bottom) 0 行。

2.选择 purchase_amount 作为排序字段。

3.将排序方式改为 降序(Descending)，确保最高金额排在最前面。

4.运行(Run) 插件并查看结果。你会发现输出仅包含全表金额最大的 5 条记录。

 

3. 按商品类别进行分组筛选

我们将增加一些复杂度，筛选出每个类别下的前5 名。

1.点击 Parent Recipe 回到配置界面。

2.在 from 选项下，选择 each group of rows identified by。

3.在下拉菜单中选择 item_category 作为键列（Key column）。

4.在下方勾选 row number within its group，以便在输出中显示组内排名。

 

4. 筛选输出字段

为了让结果更直观，我们只保留必要的列：

1.进入 Retrieve columns 步骤。

2.将 Mode 切换为 Select columns。

3.先将所有列移出选区，然后仅将 item_category、purchase_amount 移回 Selected columns 区域。

4.运行并查看输出。

 

结果观察： 输出将包含 item_category、purchase_amount 和 _row_number 三列。你会看到类别 A、B、C、D 每个组内都有 5 笔按金额降序排列的记录，且 _row_number 的值从 1 到 5。

---

 

教程| 透视 (Pivot) 插件

透视(Pivot) 插件 可将数据集转换为透视表，即包含汇总统计数据的表格。这一操作通常也被称为将数据从“长格式 (Long)”转换为“宽格式 (Wide)”。

项目目标

使用透视插件创建汇总统计表。

理解透视插件如何通过两步算法（预过滤步骤）计算Schema。

1. 创建透视插件

我们将对tx_prepared 数据集进行形状转换。该表中的 cardholder_fico_range 列将 FICO 评分（美国信用评级系统）分成了四个档位：bad (差)、excellent (极好)、fair (中等) 和 good (好)。

1.在Flow 中选中 tx_prepared。

2.在右侧 Actions 面板的插件菜单中选择 Pivot。

3.在对话框中，选择按 cardholder_fico_range 进行透视。

4.将输出命名为 tx_pivot，点击 Create Recipe。

 

2. 配置透视步骤

透视列（如cardholder_fico_range）中的每个唯一值都将成为新列。新列的内容由聚合指标决定。

1.初始尝试： 保持默认设置运行（默认聚合为 Count of records）。

2.结果观察： 此时输出仅有一行，包含四个档位的记录总数。因为此时尚未选择“行标识符 (Row identifier)”。

 

 

3. 添加行标识符 (Row Identifier)

行标识符允许我们按特定组生成聚合。

1.点击 Parent Recipe 返回 Pivot 步骤。

2.选择 authorized_flag 作为行标识符。

 

运行结果： 因为该字段有两个值（0 和 1），输出现在变为两行，展示了不同 FICO 评分下已授权和未授权交易的计数。

 

4. 添加多项聚合指标

在Populate content with 模块点击 Add new，选择 purchase_amount。

点击count(purchase_amount) 将其改为 Avg。

 

结果： 每增加一个聚合指标，输出数据集就会根据透视列的唯一值数量成倍增加列（本例中增加了 4 列）。

 

5. 理解两步算法与 Schema 更新

透视插件使用两步算法：第一步查找新列值并生成Schema；第二步填充数据。

在透视插件中，输入数据的具体值会直接影响输出的列结构（Schema）。如果透视列中出现了新值（例如增加了 extraordinary 档位），默认的重建操作会跳过第一步，导致新值无法显示。

更新Schema 的两种方法：

手动删除(Drop)： 在 Output 步骤点击 Drop 按钮手动重置。

 

自动重计： 勾选 Recompute schema at each run，每次运行自动更新。注意：如果下游步骤依赖旧列名，自动重计可能会破坏Flow。

6. 使用预过滤器 (Pre-filter)

透视列的唯一值过多会导致列数失控（默认上限200 列，仅透视频率最高的 20 个值）。

在Pre-filter 步骤开启过滤器。

设置条件仅保留cardholder_fico_range 为 bad 或 fair 的行。

 

 

清理旧列： 如果直接运行，原本的 good 和 excellent 列会保留但为空白。为了彻底移除它们，需在 Output 步骤点击 Drop 按钮，然后重新运行。

 

 

---

 

教程| 去重 (Distinct) 插件

在本教程中，我们将学习如何使用去重(Distinct) 插件 来识别并移除 Dataiku 数据集中的重复行。

项目目标

移除所有列完全重复的行。

验证数据集中每一行的唯一性。

查找特定列组合下的唯一值。

1. 创建去重插件

1.在Flow 界面选中 tx_prepared 数据集。

2.在右侧 Actions 面板的 Visual Recipes 栏下，点击 Distinct。

3.在弹出对话框中，将输出数据集命名为 tx_distinct。

4.点击 Create Recipe。

 

2. 全列去重

首先，我们使用默认设置来检查数据集中是否存在完全相同的行。

1.操作模式(Operation mode)： 选择 Remove duplicates (on all columns)。

2.计数设置： 确保勾选了 Compute count of original rows for each deduplicated output row（计算每行去重后对应的原始行数）。

3.运行结果： 运行并打开输出数据集，你会看到新增了一列 count。如果所有行的 count 都等于 1，说明该样本中没有完全重复的记录。

 

3. 设置后置过滤器 (Post-filter) 验证

为了确信全表没有重复项，我们可以过滤出计数值大于1 的行。

1.在插件中进入 Post-filter 步骤。

2.开启过滤器并添加条件：count > 1。

3.运行并观察： 如果输出数据集为空，则可以确定原数据集中不存在完全重复的行。

 

4. 查找子集列的唯一值

现在，我们尝试更复杂的场景：查找同一天内使用同一张卡进行多次消费的记录（即purchase_date 和 card_id 的组合重复项）。

1.重新打开 Distinct 插件。

2.操作模式： 切换为 Find distinct values of a subset of all columns。

3.选择列： 在 Selected columns 框中保留 purchase_date 和 card_id。

4.保持计数与过滤： 确保计数勾选框和后置过滤器（count > 1）仍然生效。

5.运行结果： 此时 tx_distinct 数据集将显示所有在同一天使用同一张卡消费多次的实例。

 

提示： 在使用 窗口(Window) 插件 之前，使用去重插件查找重复项非常有用，这可以帮助你确认数据行是否具有唯一的排序顺序。

---

 

教程| 模糊关联 (Fuzzy join) 插件

模糊关联(Fuzzy join) 插件用于在两个数据集的关联键（Join keys）不完全匹配的情况下执行关联操作。这在处理存在拼写错误、不同语言译名或格式不统一的地理/文本数据时非常有用。

项目目标

Ø对比标准关联与模糊关联的区别。

Ø在标准关联中使用文本规范化（Normalization）。

Ø基于Damerau-Levenshtein 距离执行模糊匹配。

Ø调试匹配结果并调整“模糊程度”以适应实际需求。

在Dataiku Design主页上，点击+ New Project。

选择Learning projects，搜索并选择Fuzzy Join Recipe，从项目主页，单击Go to Flow（或键入g + f）。

1. 标准关联中的文本规范化

标准关联基于完全相等的逻辑。但在Dataiku 中，你可以开启“规范化”来处理一些微小的差异。

Ø局限性： 默认情况下，Cancun 无法匹配 Cancún，Hongkong 无法匹配 Hong Kong。

Ø解决方案： 在 Join 步骤的关联条件中，勾选 Normalize text。

Ø效果： 开启后，系统会忽略大小写、重音符号、空格和连字符。例如，Cancun 现在可以成功匹配 Cancún。

 

2. 执行模糊关联

当规范化仍无法匹配（如Las Vega 与 Las Vegas，或 Lisboa 与 Lisbon）时，就需要使用模糊关联插件。

设置步骤

1.创建插件： 选中flight_reviews h和 world_cities两个数据集，在 Actions 面板选择 Fuzzy join。

 

2.选择关联键： 分别选择 arrival 和 city 作为关联键。

3.配置距离算法： 默认使用 Damerau-Levenshtein 距离，阈值设为 1。

 

什么是Damerau-Levenshtein 距离？ 它衡量将一个单词转换为另一个单词所需的最少操作次数（插入、删除、替换或相邻字符交换）。

例如Lisboa 替换一个字母 n 即可变为 Lisbon，距离为 1。

3. 调试与优化匹配

模糊匹配并非越“模糊”越好，需要通过调试工具来平衡准确率。

调试匹配详情

在Additional Settings 步骤中，开启 Output matching details。

 

效果： 输出结果会包含一个 meta 列，记录了匹配的具体距离等元数据。你可以配合 Prepare 插件 的 Unnest object 步骤提取出距离数值进行分析。

我们来筛选出仅执行了非精确匹配的行—— 更具体地说，就是键值之间的distance为1 的行。

1.在flight_reviews_joined 数据集中，从Actions 选项卡选择Prepare。

2.点击Create Recipe。从meta 列的下拉菜单中，选择Fold to one element per line。

3.打开meta 列的下拉菜单，选择Unnest object。

4.打开meta_distance 列的下拉菜单，选择Filter。仅保留值等于1 的行。

5.点击Save，然后对比arrival 和city 两列之间的编辑距离（edit distance）。

 

调整“模糊度”的风险

增加阈值： 返回到模糊连接配方的Join步骤。打开并展开连接条件。保持Damerau-Levenshtein距离类型，如果将距离阈值增加到 2，原本无法匹配的行可能会被填满。

 

副作用： 过高的阈值会导致大量错误匹配（例如 Atlanta 错误匹配到 Alanya）。

行数膨胀： 模糊关联可能会导致一行匹配到多个相似项，从而使输出行数远多于输入行数（例如从 130 行膨胀到 670 行）。

---

 

详细教程| 地理关联 (Geo join) 插件

地理关联(Geo join) 插件允许您根据地理空间条件（而非传统的文本或数值匹配）来合并数据集。这对于分析点与点、点与区域之间的空间关系至关重要。

项目背景与目标

选择Learning projects，搜索并选择Geo join Recipe，从项目主页，单击Go to Flow（或键入g + f）。

我们将分析信用卡交易中的地理分布关系。

目标：为每一个商户（加油站）找出其方圆 10 公里 以内的所有持卡人。

数据集：

Øtx：信用卡交易记录。

Øcardholders：持卡人的经纬度坐标。

Ømerchants：商户（加油站）的经纬度坐标。

1. 准备工作：启用数据采样

地理空间计算较为耗时，因此我们先启用采样以减小数据量。

1.分别打开创建 cardholders 和 merchants 的 Prepare 插件。

2.展开 Basic data prep 步骤组。

3.点击电源图标启用已停用的两个步骤（生成随机整数并过滤）。

4.在随后的 Remove column 步骤中添加 random_int 以将其删除。

5.点击 Run 并选择 Run Only This 来构建小样本数据集。

 

2.创建地理连接（Geo Join）任务

1.在Flow 界面中，先选中merchants（商家）数据集，再选中cardholders（持卡人）数据集。

2.打开右侧的Actions 选项卡，选择Geo join recipe。

3.根据你的实例配置，默认的存储位置和格式可能不同。如果使用S3 存储，请选择 Parquet 以外的格式，比如 CSV（元数据存储兼容）。

4.点击Create Recipe（创建任务）。

 

3.关键步骤：修改存储类型

非常重要：地理关联要求列的存储类型(Storage Type) 必须是地理类型。仅靠 Dataiku 自动检测到的“意义 (Meaning)”是不够的。

1.打开 merchants 数据集的 Settings > Schema。

2.将 merchant_geopoint 的存储类型改为 geo point。

3.将 merchant_bubble 的存储类型改为 geometry。

4.保存后，对 cardholders 数据集重复此操作：将 cardholder_geopoint 设为 geo point，将 cardholder_county_geom 设为 geometry。

 

3. 配置地理关联条件

我们接下来用Geo join recipe 来找出：

Ø每个商家周围10 公里范围内的所有持卡人

Ø保留默认的左连接，这样输出结果会包含所有商家，即使有些商家在10 公里范围内没有任何持卡人

1.在Flow 中先选中 merchants，再选中 cardholders。

2.在右侧 Actions 面板选择 Geo join 插件并创建。

3.在 Join 步骤中，点击编辑默认关联条件：

4.条件设置：当 merchant_geopoint 在距离之内(is within distance of) 10 Kilometers（来自 cardholder_geopoint）时匹配。

5.关联类型：保持 Left join，以确保保留所有商户信息，即使其附近没有持卡人。

6.点击 Run 执行。

 

4. 验证结果

数据检查：你会发现某些商户有多行记录，这表示其10 公里内有多个持卡人；而某些行的持卡人信息为空，说明该商户附近没有匹配项。

 

地图可视化：

1.打开merchants_joined数据集的 Charts 标签页。

2.选择 Geometry map。

3.将 merchant_bubble（10 公里半径的圆圈）拖入第一个 Geo 字段，点三个小点，聚合方式选 Make unique。

4.将 cardholder_geopoint 拖入第二个 Geo 字段，聚合方式选 Make unique，并改点颜色为黄色。

确认：缩放地图，你会发现所有黄点都落在了商户的蓝色圆圈内。

 

 

---

 

教程| 数据准备中的视觉逻辑处理器

在数据准备任务中，定义基于多个条件或输入列的复杂规则是一项常见工作，例如重新编码分类值或定义“如果-那么 (if-then)”逻辑。Dataiku 提供了多种工具来解决这些问题，本教程将重点介绍四种核心方法。

项目背景

该项目基于简化的信用卡欺诈案例。通过交易、商户和持卡人数据，构建模型预测哪些交易应获得授权。

选择Learning projects，搜索并选择Visual Logic，从项目主页，单击Go to Flow（或键入g+f）

authorized_flag: 目标变量，1 表示授权成功，0 表示授权失败。

1. Switch 公式函数 (Switch Formula)

类似于Excel 中的SWITCH()，该函数适用于在单列分类数据中重新映射值。

操作步骤：

1.打开计算transactions_joined_prepared的Prepare，在 Prepare 插件 中添加 Formula 步骤。

2.输出列命名为 item_category_recoded。

3.在编辑器中输入以下表达式：

switch(item_category,"A","Domestic","B","International","C","Unknown")

 

注意：未在公式中指定的原始值（如类别D）在输出列中将保持为空。

 

 

2. Switch Case 处理器

当处理具有大量唯一值（如拥有38 个值的商户细分行业）的列时，Switch Case 处理器比手动编写公式更易于维护。

操作步骤：

1.在prepare步骤，添加 Switch case 步骤。

2.选择 merchant_subsector_description 作为目标列，输出列命名为 spending_type。

3.添加规则映射（例如：gas -> essential, luxury goods -> discretionary，luxury goods -> discretionary、consumer electronics -> discretionary）。

4.为不匹配的行设置默认值 unknown。

进阶功能：支持“不区分大小写”或“规范化（忽略重音）”匹配模式。如果已有 Excel 映射表，可使用 Raw text edit 直接粘贴。

 

3. 创建 If, Then, Else 语句 (Visual If-Then-Else)

对于涉及多个列的复杂逻辑，该处理器提供了可视化的条件判断功能。

1. 在同一个Prepare配方中，单击+ Add a New Step。

2. 搜索并在脚本中添加一个Create if， then， else语句步骤。

3.1 定义 If 块 (验证 FICO 分数)

条件：如果 card_fico_score < 300 或(OR) card_fico_score > 850，则将新列 risk 设为 invalid。

 

预览（preview）：如果没有任何行满足此极端条件，risk 列将显示为空。

3.2 添加 Else If 与 Else 块 (分级风险)

让我们使用最后一个else语句为不满足上面任何条件的任何值定义一个规则。

1. 在编辑器面板的底部，单击+ Add Else。

2. 如果以上条件均不满足，则将新建的列risk设为low。

 

如果需要更多可能的输出，而不仅仅是invalid、high和low。你可以用附加的else if块来定义它们。

1.在第一个else if块下面（在else块上面），点击+ Add else if组。

重要提示：条件的顺序至关重要。处理器会按顺序评估，一旦满足某一条规则就会停止。如果把 < 60 放在 < 30 之前，所有激活 15 天的卡都会被错误地标记为“中风险”。

2. 提供days_active < 60的条件。

3. 如果满足此条件，则将新列风险设置为值medium。

 

Else If (高风险)：如果 days_active（卡片激活天数）< 30，则 risk = high。

Else If (中风险)：如果 days_active < 60，则 risk = medium。

Else (低风险)：如果不满足上述所有条件，则 risk = low。

3.3 嵌套逻辑与分组 (Nested Logic)

你可以通过“添加组 (Add a group)”来实现更复杂的逻辑，例如：if D and (E or F)。if (A or B) then "invalid"

else if C then "high"

else if D then "medium"

else "low"

案例：将中风险条件改为：days_active < 60 且 (signature_provided == 0 或 purchase_amount > 200)。

1.在编辑器面板中，返回定义“中等风险”（medium risk values）的第二个 else if 代码块。

2.点击+ Add a Condition 旁边的下拉箭头，选择Add a group（添加一个组）。

3.除了原有的第一个条件外，强制要求“中等风险” 值还必须满足以下两个条件中的至少一个；

Øsignature_provided == 0（未提供签名）

ØOR

Øpurchase_amount > 200（消费金额大于 200）

 

4. 广泛应用的过滤条件

你不必等到Prepare recipe 中才去检查无效的FICO 评分，而是可以在数据流程的更早期就进行这类检查。例如，你可以在 Join recipe（连接任务）的Pre-filter（前置筛选）步骤中完成这项检查。

1.导航到Join recipe 的Pre-filters 步骤。

2.开启cardholder_info（持卡人信息）数据集的筛选开关。

3.在执行连接操作前，仅保留该数据集中满足以下所有条件的行：

age <= 100（设定一个任意的年龄上限）。

4.点击+ Add a Condition 旁边的下拉菜单，选择Add a group（添加条件组），除了年龄上限之外，为FICO 评分同时设置下限和上限：

fico_score >= 300ANDfico_score <= 850

 

 

5.点击Apply，再点击任务右下角的 Run（运行），然后再次点击 Run 以构建下游的整个 Flow（数据流程）。