https://www.toutiao.com/article/7416730218779492890/
在整个数据生命周期或数据管道（Data Pipeline）中，数据加工扮演着至关重要的角色。数据加工不仅是数据准备的关键环节，也是数据价值挖掘的基础。无论是数据清洗、格式转换，还是数据过滤、合并、聚合等操作，数据加工的每一步都直接影响后续分析、建模和决策的质量。通过有效的数据加工，原始数据可以被转化为高质量、结构化的信息，帮助企业做出精准决策，提升业务效率。特别是在低代码环境下，数据加工变得更加灵活和高效，使得数据工程师、分析师甚至是业务人员都能轻松应对复杂的数据处理任务，为数据驱动的决策提供强有力的支持。
SmartNotebook 实现多种数据加工低代码组件，包括数据过滤、数据列操作、数据Join合并、数据Union合并、数据透视表、数据逆透视。通过这些拖拉拽的实现数据加工基本逻辑，降低数据加工的门槛，提升数据加工的效率。
接下来一段时间我们逐步介绍各个低代码组件的功能和使用方式。接下来从数据过滤开始，下介绍数据过滤，首先插入单元格中的“更多类型”插入”过滤”单元格 。
插入数据过滤单元格
过滤单元格需要选择数据集(DataFrame)作为输入，配置过滤条件对其进行过滤，并返回一下新的数据数据（DataFrame）供后续使用（可视化分析、AI建模）。配置好的过滤器还可以添加到应用程序中，使应用程序用户能够与这些过滤器进行交互。
数据”过滤”单元格功能说明
数据”过滤”单元格主要操作元素及支持的功能如下：
选择要数据集：数据集可以加载csv、或SQL单元格执行查询结果。
结果数据集输出的数据集变量名称：可以后续使用进行可视化或机器学习建模。
过滤条件
过滤添加根据不同数据类型支持不同条件关系。
文本列支持的过滤条件类型：
is one of、is not one of:下拉框多选及输入(支持jinja2 表达式变量）
is equal to、is not equal to：单选及输入(支持jinja2 表达式变量）
is not null、 is null、is empty、is not empty
text contains、text does not contain: 输入框输入(支持jinja2 表达式变量）
数字列支持的过滤条件类型：
is one of、is not one of：多输入
is equal to、is not equal to、greater than、greater than or equal to、less than、less than or equal to：输入框
is null、is not null
日期列支持的过滤条件类型：
is after、is before、is on 、is on or after、is on or before：日期选择或输入
is not null、is null
is between：
布尔列支持的过滤条件类型：
is true、is false、 is null 、is not null
过滤条件组
将多个过滤条件组合在一起，以实现更复杂的过滤逻辑。每个条件组可以包含多个单独的条件，这些条件之间可以通过“与（AND）”或“或（OR）”逻辑进行连接。通过条件组，用户可以灵活地构建精细化的数据筛选规则，从而根据特定的需求过滤数据。条件组不仅提升了过滤的灵活性，还让用户能够更直观地进行条件配置，实现多维度的过滤控制。
条件关系：支持AND、OR
显示SQL、添加过滤条件和过滤条件组
SQL图标查看已编译的 SQL或关闭显示
过滤模式：keep rows 、remove rows
结果预览窗口
过滤单元格的特色
拖拽的方式配置过滤逻辑，低门槛的数据加工和自定义的灵活逻辑支持。
支持过滤和过程组以及多种条件关系，可以实现复杂的过滤逻辑，灵活地构建精细化的数据筛选规则，从而根据特定的需求过滤数据。
支持引入变量，可以根据上下文的进行过滤。
以SQL 为表义语言，可以修改实现独特的、个性化的过滤逻辑，默认是duckdb SQL引擎，可以更加高性能的计算，也可以扩展其他数据平台。
SmartNotebook（SNB）是一款现代化的低代码数据处理工具，特别强调其强大的数据过滤功能。通过直观的拖拽操作，用户可以轻松设置多种过滤条件，实现对数据的精准筛选。过滤单元支持文本、数字、日期和布尔类型的多种条件，允许用户灵活组合条件组，以满足复杂的分析需求。
关于SmartNotebook
SmartNoteBook（简称：SNB）是一款现代化的Data Notebook工具，它是一个开箱即用、云原生、协作式的在线数据科学与数据分析、人工智能平台，是大数据和AI应用开发的一站式平台。SNB具有以下特点：
连接性：连接到各种数据形式，包括数据文件、数据库/仓库、数据湖、图数据库、数据OpenAPI等。可以轻松地获取所需的数据，无论数据存储在哪里。
丰富性：支持数据生命周期的各个阶段的开发，包括数据集成、自助数据探索和分析、AI模型、可视化/仪表盘、数据服务和数据门户；支持Python生态体系内工具库。挖掘、展示和传达数据的见解和故事。
便捷性：拖拉拽、自助式数据加工、探索和分析、AI建模、可视化和仪表盘。低代码方式创建数据管道、数据服务。敏捷方式构建数据服务和交互式数据产品。
智能性：基于LLMs大语言模型的数据分析AI智能伴侣(数据智灵)和语义交互式数据操作新方式(智能问数)。
