Question

假设您需要将提供给您的随机相关数据汇集到更简洁的类别中。

示例 - 您获得了以下数据。注意 - 可能存在任意数量的其他相关柱状数据：

 Customer      Product                Category
==========    =========    =================================
Customer A    Product A                 Cat 1
 CustomerA    Product B               Category 1
  Cust-A      Product C    Totally Lame & Unrelated Grouping

任务 - 将上述内容整合并标准化为干净的预定义分组：

CustomerA
  Category1
    ProductA
    ProductB
    ProductC

请不要担心完成的数据将如何保留。而是关注如何坚持和管理分组规则。

只有一个假设：您无法使用数据库来保留分组规则。因此，当我们说“规范化”时，我们不是在谈论关系数据库规范化规则。但我们想要从数据输入中消除不一致性（如上所示），以使随机数据进入一致状态。

那么可用的选项有哪些？保持技术不可知：

XML？

配置文件？

设置文件（已编译与否）？

Ini文件？

码？

等

列出专业人士每个答案的利弊。虽然这确实是一个例外，但这是一个现实世界的问题。因此，假设您的客户/雇主已经为您负责。

Answer 1

这似乎是一项数据清理练习，完美是不可能的。的问题：

1）。您可以预先指定类别，还是必须从数据中推断出来？

2）。我们可以使用什么规则来接受等价？

“Cat 1”与“Category 1”相同？和“第一类”？

是

“猫咪1” als“Cat 1”？那么“猫1？” ？和“猫12”？

在挑战中获得一套好的规则。

2）。你会如何捕捉这些规则？代码或配置？如果配置怎么表达呢？你最后只是编写了一种新的编程语言吗？

Answer 2

这似乎是一项数据清理练习，完美是不可能的。的问题：

1）。您可以预先指定类别，还是必须从数据中推断出来？

2）。我们可以使用什么规则来接受等价？

“Cat 1”与“Category 1”相同？和“第一类”？

是

“猫咪1” als“Cat 1”？那么“猫1？” ？和“猫12”？

在挑战中获得一套好的规则。

3）。你会如何捕捉这些规则？代码或配置？如果配置怎么表达呢？你最后只是编写了一种新的编程语言吗？

Answer 3

每个值的字典映射。 'Cat1'=＆gt; 'Category1'，'Category 2'=＆gt; “类别2”。这很容易存储，并且没有意外的后果。缺点是手工创建所有这些映射是实际工作。
一系列正则表达式。这样，您就可以使用相对较少的工作捕获几乎所有规则。缺点是正则表达式“失火”相对容易，评估顺序很重要（即当值与多个'规则'匹配时。

至于如何坚持下去？我想不出一个更无趣的问题。您只需使用首选编程语言中最简单的内容即可。

有哪些方法可以映射＆amp;规范化相关数据？

3 个答案: