openrefine，cluster and edit two datasets

Question

我有两个数据集。列A具有数据集1中的ID，列B，具有我需要使用各种可用算法进行聚类和编辑的数据。数据集2再次出现在第一列，ids和下一列中的数据中。我需要协调数据集1中的数据与来自第二个数据集的数据。到目前为止我做的是使用一个数据集，合并两个，但然后openrefine，给我混合的结果，即只存在于数据集2中的杂乱数据，这不是我想要的，在当前阶段。

我还研究过Reconcile-csv，但没有成功，实现了预期的结果。有什么想法吗？

Answer 1

使用Ettore描述的对帐方法的另一种方法是使用类似于＆＃39;键碰撞的算法。聚类算法，用于在两个数据集之间创建共享密钥，然后使用此算法在数据集之间使用＆＃39; cross＆＃39;进行查找。功能

作为每个数据集中B列的示例，您可以根据此列添加列＆＃39;使用GREL：

value.fingerprint()

这将创建与＆＃34;指纹＆＃34;使用的相同的密钥。聚类方法。让我们调用新专栏＆＃39; C＆＃39;

然后，您可以使用数据集2中的以下GREL在两个项目之间查找：

cells["Column C"].cross("Dataset 1","Column C")

如果数据集1和数据集2中的值都已基于指纹集群进行聚类，则项目之间的查找将起作用

如果效果更好，您还可以使用拼音键控算法在C列中创建匹配键。您使用此方法所做的事情（据我所知）相当于最近邻匹配 - 您必须具有某种模糊匹配的对帐服务，或者合并这两种数据设置，以实现这一目标。

欧文

Answer 2

Reconcile-CSV是一个非常好的工具，但不是非常用户友好。您可以使用免费的Excel插件Fuzzy Lookup Add-In for Excel作为替代方案。这个截屏视频可以证明它非常容易使用。一个约束：要协调的两个表必须是Excel表格式（select和CTRL + L）。

以下是与reconcile-csv相同的程序（使用的GREL公式为cell.recon.best.name，来自here）