本實驗室是與我們的合作夥伴 Alteryx Designer Cloud (Trifacta) 共同開發。如果您在帳戶個人資料中選擇接收公告，您的資料可能會提供給贊助者 Alteryx Designer Cloud (Trifacta)。

GSP050

總覽

Dataprep by Alteryx Designer Cloud (Trifacta) 是 Google 與 Alteryx 合作開發的自助式資料準備工具。在本實驗室，您將學習如何使用 Cloud Dataprep 清理及充實多個資料集，在模擬使用情境下操作練習。

模擬情境：

您任職的技術服務公司目前提供以下三款月費制商品：

• 白銀方案 (價格：每月 $9.99 美元)
• 黃金方案 (價格：每月 $14.99 美元)
• 白金方案 (價格：每月 $29.99 美元)

公司偶爾會提供促銷折扣，因此部分產品的實際售價可能略低於上述價格。您的主要任務是分析這三年間，在各郵遞區號區域的銷售情形。

為了達成這個目標，您需要將包含郵遞區號的「客戶聯絡資訊」資料來源，與記錄銷售數據的「購買交易」資料來源聯結 (join)。聯結完成後，再執行匯總分析。

課程內容

在本實驗室，您將瞭解如何執行下列工作：

• 使用 Cloud Dataprep 清理及剖析資料
• 使用 Cloud Dataprep 合併多個資料集
• 在 Cloud Dataprep 中計算公式結果

設定和需求

瞭解以下事項後，再點選「Start Lab」按鈕

請詳閱以下操作說明。實驗室活動會計時，且中途無法暫停。點選「Start Lab」後就會開始計時，顯示可使用 Google Cloud 資源的時間。

您將在真正的雲端環境完成實作實驗室活動，而不是模擬或示範環境。為此，我們會提供新的暫時憑證，供您在實驗室活動期間登入及存取 Google Cloud。

為了順利完成這個實驗室，請先確認：

• 可以使用標準的網際網路瀏覽器 (Chrome 瀏覽器為佳)。

注意事項：請使用無痕模式 (建議選項) 或私密瀏覽視窗執行此實驗室，這可以防止個人帳戶和學員帳戶之間的衝突，避免個人帳戶產生額外費用。

• 是時候完成實驗室活動了！別忘了，活動一旦開始將無法暫停。

注意事項：務必使用實驗室專用的學員帳戶。如果使用其他 Google Cloud 帳戶，可能會產生額外費用。

如何開始實驗室及登入 Google Cloud 控制台

1. 按一下「Start Lab」按鈕。如果實驗室會產生費用，請在開啟的對話方塊中選取付款方式。右側的「Lab setup and access」面板會顯示下列項目：

   • 「Open Google Cloud console」按鈕
   • 此實驗室所需的臨時憑證 (使用者名稱和密碼)
   • 完成此實驗室所需的其他資訊 (如有)

   請注意，實驗室計時器位於頁面頂端附近，會顯示剩餘時間。

2. 按一下「Open Google Cloud console」。如果使用 Chrome 瀏覽器，也可以按一下滑鼠右鍵，選取「在無痕視窗中開啟連結」。

   接著，實驗室會啟動相關資源，並開啟另一個分頁，顯示「登入」頁面。

   提示：您可以在不同的視窗並排開啟分頁。

   注意：頁面顯示「選擇帳戶」對話方塊時，請點選「使用其他帳戶」。

3. 如有必要，請將下方的 Username 貼到「登入」對話方塊。

   {{{user_0.username | "Username"}}}

   您也可以在「Lab setup and access」面板找到「Username」。

4. 點選「下一步」。

5. 複製下方的 Password，並貼到「歡迎使用」對話方塊。

   {{{user_0.password | "Password"}}}

   您也可以在「Lab setup and access」面板找到「Password」。

6. 點選「下一步」。

   重要事項：請務必使用實驗室提供的憑證，而非自己的 Google Cloud 帳戶憑證。 注意：如果使用自己的 Google Cloud 帳戶來進行這個實驗室，可能會產生額外費用。

7. 繼續點按後續頁面：

   • 接受條款及細則。
   • 由於這是臨時帳戶，請勿新增救援選項或雙重驗證機制。
   • 請勿申請免費試用。

Google Cloud 控制台稍後會在這個分頁開啟。

注意：如要使用 Google Cloud 產品和服務，請按一下「導覽選單」，或在「搜尋」欄位輸入服務或產品名稱。

啟動 Cloud Shell

Cloud Shell 是搭載多項開發工具的虛擬機器，提供永久的 5 GB 主目錄，而且在 Google Cloud 中運作。Cloud Shell 提供指令列存取權，方便您使用 Google Cloud 資源。

1. 點按 Google Cloud 控制台頂端的「啟用 Cloud Shell」圖示 。

2. 系統顯示視窗時，請按照下列步驟操作：

   • 繼續操作 Cloud Shell 視窗。
   • 授權 Cloud Shell 使用您的憑證發出 Google Cloud API 呼叫。

連線建立完成即代表已通過驗證，而且專案已設為您的 Project_ID：。輸出內容中有一行文字，宣告本工作階段的 Project_ID：

Your Cloud Platform project in this session is set to {{{project_0.project_id | "PROJECT_ID"}}}

gcloud 是 Google Cloud 的指令列工具，已預先安裝於 Cloud Shell，並支援 Tab 鍵自動完成功能。

3. (選用) 您可以執行下列指令來列出使用中的帳戶：

gcloud auth list

4. 點按「授權」。

輸出內容：

ACTIVE: * ACCOUNT: {{{user_0.username | "ACCOUNT"}}} To set the active account, run: $ gcloud config set account `ACCOUNT`

5. (選用) 您可以使用下列指令來列出專案 ID：

gcloud config list project

輸出內容：

[core] project = {{{project_0.project_id | "PROJECT_ID"}}} 注意：如需 gcloud 的完整說明，請前往 Google Cloud 參閱 gcloud CLI 總覽指南。

工作 1：開啟 Google Cloud Dataprep

1. 在 Cloud Shell 執行下列指令：

gcloud beta services identity create --service=dataprep.googleapis.com

畫面上應會顯示服務身分已建立的訊息。

2. 前往 Cloud 控制台，依序點選「導覽選單」圖示 >「查看所有產品」，然後在「Analytics」部分選取「Alteryx Designer Cloud」。

3. 勾選方塊表示同意《Google Dataprep 服務條款》，接著點選「接受」。

4. 勾選核取方塊，然後在出現與 Alteryx 共用帳戶資訊的提示時，點選「同意並繼續」。

5. 按一下「允許」，將專案存取權授予 Alteryx。

6. 選取實驗室憑證並登入，然後點選「允許」。

7. 勾選方塊並點選「接受」，表示同意《Alteryx 服務條款》。

8. 如果出現「使用 Storage bucket 的預設位置」提示訊息，請點選「繼續」。

9. 如為首次使用，系統會啟動教學課程並引導選取資料集。點選「取消」或關閉視窗，即可退出這個畫面。

10. 點選 Dataprep 標誌 (三條橫線) 即可前往主畫面。

工作 2：擷取資料集檔案

在本節中，您會將銷售活動檔案新增至 Dataprep 建立的 Storage bucket。

1. 返回 Cloud 控制台。

注意：如果已關閉 Cloud 控制台，可以點按 Google Cloud 圖示開啟。

2. 取得 bucket 名稱：在「導覽選單」依序選取「Cloud Storage」>「Bucket」。

3. 記下 Dataprep bucket 名稱，以備下一步使用。

4. 在 Cloud Shell 指令列執行下列指令，並將 [YOUR-BUCKET-NAME] 替換為 Dataprep bucket 名稱：

gcloud storage cp -r gs://spls/gsp050 gs://[YOUR-BUCKET-NAME]

輸出內容應與下方類似：

Copying gs://spls/gsp050/lab_customers.csv [Content-Type=text/csv]... \ [4 files][ 8.5 MiB/ 8.5 MiB] Operation completed over 4 objects/8.5 MiB.

點選「Check my progress」，確認目標已達成。 擷取資料集檔案

工作 3：建立 Flow

請返回 Cloud Dataprep 分頁。在開始整理資料前，您需要建立 Flow。Flow 是由一組相關資料集及其彼此間的連結組成。

1. 點選「Create Flow」：

2. 將 Flow 命名為 Qwiklab1，說明欄位留空，然後點選「Ok」。

現在 Flow 已建立完成。為了協助您順利上手，Dataprep 會在 Flow 中建立一些預留位置做為指引；接下來的第一步，是將資料匯入 Dataprep 並加入這個 Flow。

3. 點選「Dataset」下方的「+」圖示以新增資料來源，然後點選「Import Datasets」連結。

4. 在導覽面板中，依序點選「Cloud Storage」>「dataprep-staging-xxx...」>「gsp050」，存取上一節儲存的樣本資料。

5. 點選各檔案旁的「加號」圖示 +，檔案隨即會移至所選清單；接著點選「Import & Add to Flow」，這些資料集就會加入 Flow。

Cloud Dataprep 會帶您回到「Flow View」頁面，此時畫面中已包含剛才新增的資料集。系統還會建立 recipe 和輸出內容的其他預留位置。

工作 4：清理客戶資料

取得資料後，下一步是設計資料準備 recipe 來清理客戶資料集。範本已包含一個根據 lab_2013_transactions.csv 資料新增的 recipe，但我們會暫時略過，改為另行建立 recipe。

1. 如何建立新 recipe：

• 點選 lab_customers.csv 旁的加號圖示 +。
• 然後點選「Add new Recipe」。

2. 在新的 Recipe 節點上按一下滑鼠右鍵。

• 在下拉式選單中，選擇「Edit name and description」。
• 將名稱變更為 lab_customers，然後點選「OK」。

3. 系統會建立新的 Recipe 節點並開啟面板，顯示 recipe 相關資訊，包括資料和現有的轉換步驟。

4. 點選藍色的「Edit Recipe」按鈕 (或按兩下 Recipe 節點本身)。

Cloud Dataprep 會開啟「Transformer Grid」。這是一個類似工作表的介面，您可以在其中設計資料準備 recipe 的步驟。在「Transformer」頁面，您可以建構轉換 recipe，並即時查看對樣本套用的結果。確認滿意後，即可對資料集執行該工作。

每個資料欄都有名稱和圖示，標示推論出的資料類型。點選資料欄名稱左側的圖示，即可查看可用資料類型：

點選資料欄選項後，隨即會開啟「Details」面板。

「Details」面板會根據所選內容動態顯示相關資訊，包括資料欄資訊或建議的轉換操作。請點選「Details」面板標頭中的「X」，暫時關閉面板。

在接下來的步驟中，您會以格狀檢視模式探索資料，並將轉換步驟套用至 recipe。

開啟 Transformer Grid 時，Cloud Dataprep 會自動剖析資料集，並生成資料欄直方圖和資料品質指標。這些剖析資訊可輔助您完成資料準備流程。

套用篩選器

1. 找出「start_date」一欄，查看頂端橫條：

注意：如果「start_date」欄未顯示紅色長條，可直接執行後續步驟。

這是資料品質長條。綠色代表有效值，灰色代表遺漏或空值，紅色代表資料不符合指定資料類型。點選資料品質長條的各部分，系統就會產生包含資料品質條件判斷式的建議。這些條件判斷式會測試每筆記錄為有效、空白或無效，具體判斷方式視您點選的部分而定。

接著，您將使用 start_date 和 end_date 做為篩選條件，新增轉換步驟來移除 start_date 資料欄為空值的聯絡人。

2. 點選 start_date 一欄資料品質長條的灰色部分。

Cloud Dataprep 會根據您的選擇，在建議清單中產生一系列推薦轉換步驟。將滑鼠游標懸停在任何建議資訊卡上，即可預覽套用建議的效果。點選資訊卡後，網格會隨之更新，讓您預覽轉換結果。

3. 在建議清單中，點選「Delete rows with missing values in start_date」建議資訊卡上的「Add」。

先前以紅色醒目顯示的資料列，現在已從您的資料集中移除。

填入遺漏值

請查看「end_date」一欄。從資料品質長條可以看出，有大量資料列缺少值。為方便後續處理，您需要在這些空白列中填入一個預設值：2050 年 1 月 1 日。

1. 在 end_date 一欄，點選資料品質長條的灰色部分。

系統會產生另一組建議轉換操作，其中應包含「Set missing values to NULL()」」。由於 Dataprep 此時還不知道您具體想填入什麼值，因此會先建立一個範本，以供您自行修改。

2. 在任一建議資訊卡中，點選「Edit」。

系統會開啟「Add Step」建構工具。Cloud Dataprep 已自動帶入建議的轉換設定，但您可視需求調整程式碼。

3. 在「Formula」方塊中，將 NULL() 替換為 '2050/1/1' (含引號)。完整公式應如下所示：

IFMISSING($col, '2050/01/01')

4. 按一下「Add」。

至此，lab_customers 資料集的資料品質問題已處理完畢，資料品質長條中的灰色部分也已消失。

工作 5：將多個交易資料集設為聯集

接著，讓我們開始處理交易資料集。

• 點選畫面頂端的 Flow 名稱 QWIKLAB1：

這會返回「Flow View」頁面。

建立單一資料集，將 2013、2014 和 2015 年的交易資料集設為聯集。

1. 點選 lab_2013_transactions 資料集。

2. 依序點選「加號」圖示 (+) 和「Add new Recipe」。

Cloud Dataprep 會建立新的 recipe，以及名為 Untitled recipe 的 wrangled 資料集。

3. 在新的 wrangled 資料集上按一下滑鼠右鍵。在下拉式選單中，選擇「Edit name and description」。

4. 將名稱改為 Combined Transactions，然後點選「OK」。

5. 按兩下「Combined Transactions」以編輯 recipe。這會在 Transformer Grid 中開啟該 recipe。請注意，網格中顯示的是來自 lab_2013_transactions.csv 資料集的結構化資料。

使用聯集轉換功能，合併多個結構定義相同的資料集。

1. 在進行任何轉換之前，請留意網格狀態列，其中會顯示中繼資料：

中繼資料會顯示網格中載入資料的摘要。請注意，載入的資料僅為完整資料集的樣本，大小上限為 10 MB。

2. 查看 recipe 名稱附近的 Transformer 標頭，即可確認目前顯示的樣本為何。

注意：顯示方式可能因版本而異。

或

目前顯示的是從來源載入的初始資料樣本。若資料集較小 (不到 10 MB)，Dataprep 會在初始樣本中顯示完整的資料內容。

3. 點選面板中的「recipe」圖示。

4. 點選「Add New Step」。

5. 在搜尋欄位中輸入「Union」，然後點選結果，即可開啟聯集工具。

「Union Output」欄位會顯示資料集的輸出結構定義，每個方塊都代表一個資料欄。Cloud Dataprep 會根據您啟動聯集轉換的資料集結構定義，建立輸出結構定義。在本例中，合併輸出結果會顯示哪些資料欄，完全取決於「Combined Transactions」資料集。

6. 點選「Add Data」。

7. 檢查 lab_2014_transactions。在對齊設定的下拉式選單中選取「Align By Name」，然後點選「Apply」。

8. 點選「Add to Recipe」即可合併資料集。將聯集步驟加入指令碼後，查看 transaction_date 一欄。

這個資料集現在包含 2013 年 1 月至 2014 年 12 月的記錄。

9. 您已將 3 個資料集中的 2 個設為聯集。查看中繼資料時，應該也會看到新增的資料列。

工作 6：修改 recipe 步驟

在處理資料時，您可能經常需要調整或移除某些轉換步驟。Dataprep 提供簡便的編輯功能，方便修改已建立的步驟。以本例而言，您已將其中 2 個資料集設為聯集，此時無需另外新增步驟來處理剩下的資料集，直接「編輯」既有步驟即可。

1. 點選「復原」圖示，即可撤銷上一項操作 (在此為聯集步驟)。

您會發現 recipe 已清空，網格和中繼資料也已更新，反映原始狀態。

2. 點選「重做」圖示，即可重新加入聯集步驟。

3. 在「Recipe」面板，對聯集步驟按一下滑鼠右鍵，選擇「Edit」。

4. 這會再次開啟聯集工具。請再次點選「Add data」，然後勾選 lab_2015_transactions。在對齊設定的下拉式選單中，選取「Align By Name」，然後點選「Apply」。

5. 檢查欄對應關係。點選「Add to Recipe」即可合併這三個資料集。

6. 將聯集新增至指令碼後，請查看 transaction_date 一欄。

這個資料集現在包含 2013 年 1 月至 2015 年 12 月的記錄。此時中繼資料顯示的資料列總數是多少？

7. 點選 QWIKLAB1 Flow 名稱，返回「Flow View」頁面。

Flow 圖表已更新，顯示三個交易資料集如何合併成「Combined Transactions」資料集：

工作 7：聯結交易資料與客戶資料

既然資料集已合併完成，接下來請充實交易資料，加入每筆購買交易的地點資訊。為此，您需要聯結客戶資料與交易資料。執行聯結時，請將較大的資料集當成主資料集 (位於左側)，將較小的資料集當成明細資料集 (位於右側)。在 Cloud Dataprep 中，啟動聯結作業的資料集會自動成為主資料集。

1. 按兩下「Combined Transactions」，再次編輯 recipe。

2. 點選 Transformer 工具列中的「聯結」圖示，即可開啟聯結工具。

注意：您也可以像先前一樣，在「Recipe」面板點選「New Step」並搜尋「Join」來啟動聯結工具。Dataprep 提供多種建立轉換的方法。

3. 點選 lab_customers 資料集以匯入該資料集，然後點選 「接受」。

4. 在下一個畫面中，編輯聯結鍵和條件。請確認聯結鍵是否相符，並檢查聯結的設定選項。Dataprep 會根據兩個資料集之間的共同值，自動推論出正確的聯結鍵。

您可以視需要編輯聯結鍵。將滑鼠游標懸停在「Join keys」部分，點選鉛筆 (「編輯」圖示) 即可修改聯結鍵；點選「Add」則能新增其他聯結鍵。

針對這些資料集，Cloud Dataprep 選擇以 customer_id 欄為基準執行內部聯結。這表示輸出資料集只包含 customer_id 相符的記錄。

5. 點選「Next」。

6. 在下一個畫面中，您可以選擇聯結後要保留或捨棄的資料欄。在「Output Columns」面板中，勾選下列欄位旁的方塊，將這些欄位加入聯結結果：

   • customer_id (current)
   • transaction_date
   • ticket_price
   • product
   • address_state
   • address_zip
   • region
   • start_date
   • end_date

未勾選的資料欄都會捨棄，結果如下所示：

7. 點選「Review」，即可在 Transformer Grid 中預覽聯結結果。
8. 按一下「Add to Recipe」。

工作 8：建立新資料欄並重新命名

最後，您可以依報表需求進一步整理資料，並建立包含必要值的欄位，以便後續製作圖表。

我們來看看在 Dataprep 建立轉換指令的另一種方式：直接從資料欄選單操作。

1. 依序點按「transaction_date」旁的下拉式箭頭 >「Extract」>「Datetime」>「Year (YYYY)」。

系統會開啟新的公式建立工具，並預先填入選取的動作。網格也會顯示預覽結果。

2. 按一下「Add」。

此時畫面會新增一個名為 year_transaction_date 的資料欄。在上一個步驟中，您其實可以在編輯轉換設定時直接指定新欄位名稱。如果未指定名稱，Dataprep 會根據轉換操作自動產生預設名稱；若未選取來源資料欄，則會以 column# 命名。

3. 手動更改資料欄名稱：依序點選「year_transaction_date」旁的下拉式箭頭和「Rename」。

4. 在欄位中輸入 activity_year。點選「Add」即可接受變更。

請注意，只要點選「Add」來新增更多對應關係，就能透過這項轉換操作重新命名多個資料欄。

工作 9：將結果發布至 BigQuery

您已完成資料準備工作，現可在 Cloud Storage 產生結果檔案。Cloud Dataprep 會透過 BigQuery 引擎執行資料轉換 recipe，產生輸出檔案。

1. 點選 Transformer 標頭中的「Run」。

2. 在「Run Job」對話方塊中，您可以指定工作執行設定和輸出目的地。根據預設，Cloud Dataprep 會在 Cloud Storage 建立 CSV 檔案。

3. 將滑鼠游標懸停在現有發布動作上，然後在選項清單中點選「Edit」。

4. 在面板中點選「BigQuery」分頁標籤。

5. 選取「Dataprep」資料庫，點選面板中的「Create a new table」按鈕。

6. 輸入 transactions_by_customer 做為新資料表名稱，並將寫入選項設為「Append to this table every run」。

7. 在對話方塊中點選「Update」，即可更新輸出設定。

8. 接著點選「Run」啟動 BigQuery 工作，這項作業需要幾分鐘時間。您可以在 Dataprep 的「Jobs」頁面查看處理進度。完成後，您會看到類似下方的成功訊息，這表示資料已順利載入新的 BigQuery 資料表中。

9. 將滑鼠游標懸停在完成的工作上，然後點選「Profile」，即可查看整理後的資料。畫面應如下所示：

10. 直接查詢 BigQuery 即可查看結果。前往 Google Cloud 控制台，依序前往「Analytics」>「BigQuery」。點選 Dataprep 資料集。

11. 在查詢編輯器中輸入 select * from Dataprep.transactions_by_customer;。點選「執行」即可查看發布資料。

Cloud Dataprep 操作就是這麼簡單！透過直覺易用的視覺化介面，您可以輕鬆清理並充實多個資料來源。

點選「Check my progress」，確認目標已達成。 將結果發布至 BigQuery

恭喜！

在本實驗室，您先建立了新的 Flow 並轉換資料，隨後進一步掌握如何利用 Dataprep UI 篩選雜亂資料、整併與聯結多個檔案，並完成建立與重新命名資料欄的操作。最後，則順利產出結果檔案並匯出至 Google Cloud Storage。

後續步驟/瞭解詳情

• 閱讀使用指南，瞭解如何透過 Google Dataprep 探索、清理及強化資料。

Google Cloud 教育訓練與認證

協助您瞭解如何充分運用 Google Cloud 的技術。我們的課程會介紹專業技能和最佳做法，讓您可以快速掌握要領並持續進修。我們提供從基本到進階等級的訓練課程，並有隨選、線上和虛擬課程等選項，方便您抽空參加。認證可協助您驗證及證明自己在 Google Cloud 技術方面的技能和專業知識。

使用手冊上次更新日期：2026 年 5 月 20 日

實驗室上次測試日期：2025 年 5 月 19 日

Copyright 2026 Google LLC 保留所有權利。Google 和 Google 標誌是 Google LLC 的商標，其他公司和產品名稱則有可能是其關聯公司的商標。