Explorateur de tables

L’Explorateur de tables est un outil d’exploration de données puissant et facilement accessible, doté de fonctions intégrées de filtrage, de synthèse et bien d’autres, qui simplifient le travail des personnes manipulant des données volumineuses et complexes.

L’Explorateur de tables permet d’explorer des jeux de données de toute taille : vous utilisez le même outil quelle que soit la croissance de vos données. Il offre également un filtrage par pointer-cliquer ainsi que des filtres avancés pour cibler précisément les données dont vous avez besoin. Le meilleur, c’est que partout dans PlaidCloud où figurent des tables ou des vues, vous pouvez cliquer dessus pour les explorer avec l’Explorateur de tables. Grâce à cette intégration complète, l’accès aux données n’est qu’à un clic.

La vue Grid présente les données sous forme de tableau. La vue Details fournit un résumé de chaque colonne, le nombre de valeurs uniques et des statistiques de profilage pour chaque colonne.

Les données peuvent être exportées directement à partir d’un ensemble filtré, et vous pouvez enregistrer des filtres et les partager avec d’autres personnes. Enfin, les filtres et les paramètres de colonnes peuvent être enregistrés directement sous la forme d’une étape Extract de workflow.

La vue Grid

La vue Grid présente les données sous forme de tableau.

Définir la limite de lignes

Par défaut, la limite de lignes est fixée à 5 000 lignes. Vous pouvez toutefois l’ajuster ou la désactiver complètement.

Les lignes affichées ainsi que la taille totale du jeu de données apparaissent en bas de la table. Ces informations fournissent trois éléments clés :

Le nombre de lignes actuellement affichées selon la limite de lignes appliquée
La taille des données globales une fois les filtres appliqués
La taille des données globales non filtrées

Choisir les premières lignes ou des lignes aléatoires

À côté de la limite de lignes se trouve un sélecteur Premières / Aléatoire qui détermine quelles lignes remplissent la grille :

Premières (valeur par défaut) renvoie les premières lignes de la table — l’option la plus rapide, et le bon choix lorsque vous voulez simplement un aperçu rapide.
Aléatoire renvoie un échantillon aléatoire rapide prélevé dans l’ensemble de la table, de sorte que l’aperçu reflète toute l’étendue de vos données et pas seulement le début. C’est utile pour contrôler ponctuellement la qualité des données d’une grande table dont les premières lignes ne sont pas représentatives.

L’échantillonnage aléatoire utilise l’échantillonnage intégré de votre moteur de stockage ; il reste donc rapide même sur de très grandes tables. Il renvoie le nombre de lignes demandé — tirées au hasard dans l’ensemble de la table, ou toutes les lignes si la table en contient moins que votre limite — et vous obtenez un échantillon différent à chaque actualisation. Le sélecteur ne s’applique qu’à l’aperçu de la grille ; il n’a aucun effet sur les vues enregistrées, les extractions, les téléchargements ou les nombres de lignes indiqués. L’option Aléatoire exige que la limite de lignes soit activée.

Tri local ou global

La vue Grid permet de cliquer sur l’en-tête d’une colonne pour trier les données selon cette colonne. Toutefois, cette méthode ne trie que le jeu de données déjà récupéré, et non le jeu de données complet. Si les données récupérées contiennent l’intégralité du jeu de données, cette distinction est sans importance ; en revanche, si votre jeu de données complet est plus volumineux que ce qui s’affiche dans le navigateur, le résultat du tri peut ne pas être celui que vous souhaitez.

Si vous voulez trier le jeu de données global avant de récupérer les données limitées qui s’afficheront dans votre navigateur, vous pouvez appliquer ces tris aux colonnes de la vue Details en cliquant sur l’icône Sort en haut de chaque colonne. L’approche du tri global présente un autre avantage : vous pouvez appliquer plusieurs tris et combiner différents sens de tri.

Liste de référence rapide des colonnes

Toutes les colonnes de la table ou de la vue sont affichées par défaut à gauche de la fenêtre de l’Explorateur de tables. Vous pouvez afficher ou masquer cette liste de colonnes à l’aide du bouton de basculement de la liste des colonnes.

La liste des colonnes offre plusieurs fonctions pratiques d’accès rapide, notamment :

Double-cliquer sur un élément accède à la colonne dans la vue Grid ou Details
Contrôlez la visibilité de la colonne avec la case de visibilité
Utilisez la sélection multiple et le clic droit pour inclure ou exclure plusieurs colonnes à la fois
Affichez rapidement le type de données de chaque colonne grâce aux icônes de type de données
Consultez le nombre total de colonnes

Restreindre l’accès aux lignes

Pour un Architecte de projet ou un administrateur de tenant, le bouton Accès aux lignes de la barre d’outils ouvre Accès aux lignes pour la table que vous explorez — un badge sur le bouton s’affiche lorsque la table restreint déjà des lignes. Le menu de facettes d’une colonne propose aussi Restreindre les lignes selon cette colonne…, qui ouvre le même écran sur cette colonne ; sur une colonne qui restreint déjà des lignes, il indique Lignes restreintes par cette colonne — modifier….

Lorsque vos propres autorisations filtrent ce que la grille a chargé, la barre d’outils affiche Lignes limitées par votre accès, et le démarrage d’un téléchargement qui sera filtré l’indique aussi. La grille, ses facettes de colonnes et le téléchargement ne contiennent que les lignes que vous êtes autorisé à voir. Consultez Ce que voit un membre restreint.

La vue Details

La vue Details offre un moyen efficace de consulter les données à un niveau global et fournit des outils pour filtrer rapidement les informations par de simples opérations de pointer-cliquer.

Données de colonne et nombres de valeurs uniques

Chaque colonne est affichée, à condition qu’elle soit actuellement marquée comme visible. Le résumé de la colonne affiche les 1 000 premières valeurs uniques par nombre d’occurrences. Le nombre de valeurs uniques affichées peut être ajusté en choisissant une autre valeur dans la sélection Detailed Rows Displayed.

Une colonne numérique affiche ses statistiques au lieu d’une liste de valeurs : minimum, maximum, moyenne, somme, écart type et variance. Les valeurs nulles sont exclues de ces statistiques, et une colonne qui ne contient que des valeurs nulles affiche à la place ses décomptes de valeurs. Cela s’applique à tous les moteurs Lakehouse, y compris StarRocks.

Une colonne dont le résumé prend trop de temps à calculer affiche Délai du profil dépassé, et une colonne dont le résumé ne peut pas être chargé affiche Échec du profil. Survolez le badge pour en connaître la raison : un problème de filtre y est nommé, et une défaillance côté PlaidCloud comporte un ID que l’équipe PlaidCloud peut utiliser pour la retracer. Pour réessayer, utilisez le bouton d’actualisation de la colonne.

Gérer les filtres par pointer-cliquer

Chaque colonne permet un filtrage par pointer-cliquer en activant le commutateur de filtre en haut de la colonne. Sélectionnez les éléments de la colonne que vous souhaitez inclure dans les données obtenues. La sélection multiple est prise en charge.

Une fois un filtre appliqué, vous pouvez vouloir retirer certains éléments ou effacer le filtre de toute la colonne sans effacer tous les filtres. Pour cela, ouvrez la liste déroulante du bouton de filtre de la colonne et décochez des éléments, ou sélectionnez l’option d’effacement complet en haut.

Gérer la synthèse

Vous pouvez synthétiser les données en basculant le bouton Summarize sur On. Lorsque le bouton Summarize est activé, chaque colonne affiche un type de synthèse à appliquer. Ajustez le type de synthèse souhaité pour chaque colonne.

Lorsque les synthèses souhaitées sont définies, actualisez les données et les synthèses seront appliquées.

Parmi les types de synthèse figurent Min, Max, Somme, Count et Count Distinct.

Rechercher les valeurs distinctes

L’activation du bouton Distinct permet de réduire les données à un ensemble d’enregistrements uniques. Lorsque le bouton Distinct est actif, une case à cocher Distinct apparaît sur chaque colonne. Décochez les colonnes qui NE définissent PAS l’unicité de la colonne dans le jeu de données. Par exemple, si vous voulez trouver l’ensemble unique des clients dans une table de commandes clients, vous ne devez sélectionner que la colonne du client, sans inclure aussi le numéro de commande.

Statistiques de profilage des colonnes

Chaque colonne affiche des statistiques de profilage en bas de ses informations, quel que soit le type de données.

Les colonnes Vector constituent la seule exception : elles sont exclues du profilage et aucune liste de valeurs n’est construite pour elles. Un minimum, une moyenne ou une liste des valeurs les plus fréquentes ne dit rien d’un embedding, et la liste de valeurs serait composée de tableaux bruts de centaines de nombres chacun.

Les colonnes de type entier et numérique affichent ces statistiques, calculées sur le jeu de données complet filtré :

Minimum
Maximum
Moyenne
Écart type
Somme

Chaque colonne — numérique, texte, date ou autre — affiche également ces statistiques, calculées sur la table complète non filtrée :

Null Count (All Rows) — le nombre de valeurs nulles dans toute la table
Null % (All Rows) — les valeurs nulles en pourcentage de toute la table
Blank Count (All Rows) — colonnes de texte uniquement. Une valeur vide est une valeur qui est vide ou ne contient que des espaces après suppression des espaces, à distinguer d’une valeur nulle.
Blank % (All Rows) — les valeurs vides en pourcentage de toute la table
Distinct % of Non-Null (All Rows) — les valeurs distinctes en pourcentage des lignes qui ont réellement une valeur. Les valeurs nulles sont exclues à la fois du nombre de valeurs distinctes et du total ; une colonne nulle à 90 % mais dont toutes les valeurs renseignées sont uniques affiche donc 100 % et non 10 %.

Ces statistiques (All Rows) sont calculées côté serveur et de façon déterministe, sans IA ni échantillonnage — la même colonne renvoie les mêmes chiffres à chaque fois. Elles respectent la sécurité au niveau des lignes : vous ne voyez donc jamais que des statistiques calculées sur les lignes que vous avez le droit de voir. Leur calcul coûte une requête supplémentaire sur toute la table, soumise au même budget de 60 secondes que les autres facettes de colonnes ; si cette requête expire, le reste de la grille n’est pas affecté.

Forme de la distribution

Pour les colonnes numériques, l’Explorateur de tables indique aussi comment les valeurs sont réparties, et pas seulement où elles se concentrent.

Skewness (All Rows) — mesure si les valeurs de la colonne penchent d’un côté de la moyenne ou sont réparties de façon équilibrée autour d’elle. Une valeur proche de zéro signifie que les valeurs sont à peu près symétriques ; une valeur fortement positive ou négative signifie que la colonne présente une longue traîne vers une extrémité. Cela peut révéler une forme que la moyenne et l’écart type seuls masqueraient — par exemple, une poignée de valeurs très élevées qui tirent la moyenne vers le haut alors que la majeure partie de la colonne se situe bien plus bas.
Un histogramme sous les statistiques de chaque colonne numérique regroupe ses valeurs en 10 intervalles de largeur égale couvrant toute l’étendue de la colonne, ce qui vous permet de voir la forme de la distribution d’un coup d’œil. Survolez une barre pour voir la plage de valeurs exacte qu’elle couvre et le nombre de lignes qui s’y trouvent.

Comme les autres statistiques (All Rows), l’asymétrie et l’histogramme couvrent toujours toute la table, quel que soit votre filtre actuel. L’asymétrie est omise — jamais affichée comme zéro ni comme une erreur — pour une colonne comptant moins de deux valeurs ou n’ayant aucune variation, car elle ne peut pas être calculée de façon significative dans ce cas. L’histogramme est omis de la même manière pour une colonne sans étendue calculable, par exemple une colonne entièrement nulle.

Radar de qualité des données

L’Explorateur de tables exécute cinq contrôles automatisés sur chaque colonne pour signaler les données qui méritent un examen plus attentif :

Outliers — valeurs numériques statistiquement éloignées du reste de la colonne (à plus de trois écarts types de la moyenne).
Format — valeurs de texte qui ne correspondent pas au motif dominant du reste de la colonne, comme une colonne presque entièrement composée de dates où se mêlent quelques valeurs en texte libre. Ce contrôle ne s’exécute que sur les colonnes d’au moins 100 valeurs non vides, et ne signale une discordance que lorsqu’un motif domine nettement — plus de 95 % des valeurs de la colonne lui correspondent.
Duplicates — valeurs répétées dans une colonne qui fait partie de la clé de ligne déclarée de la table, où chaque valeur devrait être unique. Ce contrôle ne s’exécute que sur les tables dont la clé de ligne est déclarée — les clés de mise à jour de la table servent de clé de ligne.
Orphans — valeurs d’une colonne liée à une dimension qui ne correspondent à aucun membre de cette dimension.
Constant — toutes les valeurs non nulles de la colonne sont identiques, ce qui signifie généralement que la colonne ne contient aucune information utile.

Ces contrôles s’exécutent sur toute la table, comme les statistiques (All Rows) ci-dessus — votre filtre actuel n’a aucun effet sur eux.

Un badge apparaît directement sur une colonne de la vue Details pour tout contrôle ayant détecté quelque chose, et un badge atténué apparaît pour un contrôle qui n’a pas pu aboutir. Ouvrez Data Quality Radar depuis le menu Actions pour obtenir un résumé classé de chaque colonne au regard des cinq contrôles — y compris les contrôles qui sont revenus propres ou qui ne s’appliquent pas, et pas seulement ceux qui ont été signalés.

Chaque contrôle indique indépendamment l’un de cinq résultats : signalé, propre, sans objet, délai dépassé ou indisponible. Un contrôle n’est jamais ignoré en silence — vous pouvez toujours voir pourquoi une colonne n’a pas de verdict pour un contrôle donné.

Corrélations

Pour les colonnes numériques, l’Explorateur de tables indique aussi dans quelle mesure les valeurs d’une colonne évoluent conjointement avec celles des autres colonnes numériques de la table.

Pearson r vs <column> (Complete Cases) — dans quelle mesure deux colonnes évoluent ensemble selon une relation linéaire, de -1 (exactement opposées) à +1 (parfaitement ensemble) en passant par 0 (aucune relation linéaire).
Spearman ρ vs <column> (Complete Cases) — dans quelle mesure deux colonnes évoluent ensemble selon l’ordre des rangs, que cette relation soit ou non une droite. Une paire qui augmente de façon constante ensemble mais en suivant une courbe plutôt qu’une droite peut obtenir un meilleur score avec Spearman qu’avec Pearson.
Complete Cases (All Rows) — le nombre de lignes à partir desquelles les coefficients ci-dessus sont réellement calculés.

Les corrélations sont calculées par rapport à 10 autres colonnes numériques au maximum actuellement visibles dans la vue Details, et uniquement à partir des lignes qui ont une valeur dans chacune de ces colonnes numériques — et pas seulement dans la paire comparée. C’est pourquoi la portée est libellée (Complete Cases) plutôt que (All Rows) : il s’agit d’un sous-ensemble plus étroit de la table, par suppression de ligne entière, et l’appeler (All Rows) surestimerait ce que décrivent les coefficients. Le nombre Complete Cases (All Rows) lui-même est mesuré sur toute la table, comme les autres statistiques (All Rows) — il n’est pas affecté par votre filtre actuel, mais il change si vous modifiez les colonnes numériques visibles.

Les corrélations sont entièrement omises, plutôt qu’affichées à partir de trop peu d’éléments, sauf s’il y a au moins 10 lignes de cas complets et qu’elles représentent au moins 10 % de la table. Si le coefficient d’une seule colonne partenaire ne peut pas être calculé — par exemple parce que cette colonne ne présente aucune variation —, seule cette ligne disparaît, et non l’ensemble.

Copier des données

Il est parfois utile de pouvoir copier des données sélectionnées depuis PlaidCloud afin de les coller dans d’autres applications comme un tableur.

Le bouton Copier, en haut à droite, propose plusieurs options de copie des données :

Tout copier - Copie toutes les données dans le presse-papiers
Copier la sélection - Copie les données sélectionnées dans le presse-papiers
Copier la cellule - Copie uniquement le contenu d’une seule cellule dans le presse-papiers
Copier la colonne - Copie le contenu complet de la colonne dans le presse-papiers

Exporter des données

L’export de données depuis l’interface de l’Explorateur de tables permet d’exporter les données filtrées avec uniquement les colonnes visibles. Vous pouvez exporter dans les formats suivants :

Microsoft Excel (xlsx)
CSV (virgule)
TSV (tabulation)
PSV (barre verticale)

Le menu Télécharger permet aussi de télécharger uniquement les lignes visibles dans le navigateur. Cela dépend de la limite de lignes spécifiée.

Actions supplémentaires

D’autres actions utiles sont disponibles dans le menu Actions.

Enregistrer comme étape d’extraction

Lorsque vous explorez des données, c’est souvent pour déterminer comment les filtrer dans le cadre d’un processus de pipeline de données. Cela consiste fréquemment à appliquer plusieurs filtres, dont des filtres avancés, pour cibler précisément le résultat souhaité.

Au lieu de tenter de reproduire tous les filtres, colonnes, synthèses et tris dans une étape d’extraction, vous pouvez simplement enregistrer les paramètres actuels de l’Explorateur de tables comme nouvelle étape d’extraction.

Enregistrer comme vue

Comme pour l’enregistrement des paramètres actuels de l’Explorateur de tables comme étape d’extraction ci-dessus, vous pouvez aussi les enregistrer directement comme vue.

Cela peut être particulièrement utile pour construire des tranches de données destinées au reporting ou à d’autres processus en aval qui ne nécessitent pas de pipeline de données.

Gérer les filtres enregistrés

Vous ne perdez jamais le travail réalisé sur vos filtres. Vous pouvez enregistrer les paramètres de l’Explorateur de tables sous forme de filtre enregistré. Les filtres enregistrés incluent également la visibilité des colonnes, les synthèses, les filtres de colonnes, les filtres avancés et les tris.

Vous pouvez aussi permettre à d’autres personnes d’utiliser un filtre enregistré en cochant la case Public lors de son enregistrement.

Depuis le menu Actions, vous pouvez également supprimer et renommer des filtres enregistrés.

Filtres avancés

Si les filtres de colonnes par pointer-cliquer permettent d’appliquer rapidement des filtres pour cibler les résultats souhaités, les conditions de filtrage sont parfois complexes et nécessitent des spécifications plus avancées.

La zone de filtres avancés propose à la fois un filtre avant agrégation et un filtre après agrégation, si Summarize est activé.

Toute expression Python valide peut servir à extraire un sous-ensemble des données. Consultez Expressions pour plus de détails et d’exemples.