このマニュアルの基本操作とグラフの例は、リポジトリの demo/examples/ にある公開データを使います。データと出典・ライセンス から入手できます。先頭行は列名として扱います。圧縮ファイルは展開せず、そのまま開けます。
| ファイル | 行数 | 内容と使いどころ |
|---|---|---|
iris.csv | 150 | 3 品種のアヤメ、各 50 個体。基本操作、相関、品種ごとの集計。長さと幅は cm。 |
penguins.csv | 344 | 3 種のペンギン。種ごとの体重の箱ひげ図、欠損値の確認。長さは mm、体重は g。 |
hour.csv.xz | 17,379 | Bike Sharing の毎時記録。日付のヒストグラム、気温とレンタル数の密度分布。 |
flights.csv.xz | 336,776 | 2013 年のニューヨーク発の便。大きい表での出発遅延と到着遅延の比較。遅延は分、負の値は定刻より早いことを表す。 |
リポジトリのルートで次のように起動します。インストール済みアプリでは File → Open...、Web アプリでは Open... で iris.csv を選べます。
tableskim demo/examples/iris.csv tableskim -t demo/examples/iris.csv tableskim --summary demo/examples/iris.csv
列は sepal_length（がく片の長さ）、sepal_width（がく片の幅）、petal_length（花びらの長さ）、petal_width（花びらの幅）、species（品種）です。
setosa を検索すると 50 件見つかります。
species = virginica と petal_length ≥ 6 を Match: All で適用すると、150 行中 11 行が残ります。Clear Filter で元に戻します。
petal_length のヒストグラムを開き、Stack by → species にすると品種別の分布が見えます。
species をグループに、petal_length を集計対象にし、mean、min、max を選びます。平均は setosa が 1.462、versicolor が 4.260、virginica が 5.552 cm です。
P）で変換し、iris.parquet を開きます。SQL の実行 のクエリで同じ平均を確認できます。
操作の詳しい説明は GUI、TUI、Web、結果の読み方は グラフと集計 を参照してください。
penguins.csv の体重とひれの長さには、それぞれ 2 個体分の欠損値があります。flipper_length_mm と body_mass_g の散布図では 342 個体を描き、2 行を除外します。種ごとに体格が違うので、全体の相関と種内の相関を区別します。
hour.csv.xz の cnt は 1 時間のレンタル数、temp は正規化された気温で、摂氏ではありません。season と weathersit は数値のカテゴリコードです。箱ひげ図の X にはテキストの列を使うので、これらのコードをそのまま連続量として解釈しないでください。dteday は日付ですが、同じ日に複数の毎時記録があります。
flights.csv.xz は欠損を文字列 NA で表しています。遅延の分析では dep_delay is a number と arr_delay is a number で数値の行に絞り込めます。
日付・Excel の表示形式や複数シートなど、ファイル形式特有の説明では demo/data/ の生成データも使います。公開データのレコードは変更しません。画像は表示や集計の結果です。Iris と Bike Sharing は CC BY 4.0、Penguins と Flights は CC0 1.0 で、出典とクレジットは上記のリンク先にあります。
Iris: Fisher, R. (1936), DOI: 10.24432/C56C76。Bike Sharing: Fanaee-T, H. (2013), DOI: 10.24432/C5W894。どちらも CC BY 4.0 です。Penguins: Kristen B. Gorman / Palmer Station Antarctica LTER、palmerpenguins（Horst、Hill、Gorman、2020）。Flights: Hadley Wickham、nycflights13（元データ: US Bureau of Transportation Statistics）。この 2 件は CC0 1.0 です。