OpenRefine - 跨列聚类

Question

看起来，OpenRefine还不支持跨列聚类。

有没有人对如何根据'制造商'聚类'模型'提出任何建议，就像'城市'将基于'国家'一样（许多'斯普林菲尔德'可能存在于美国，但只有集群“ city“：'Springfield'，如果相对'州'列是相同的）？相对列已经标准化。

Answer 1

一种简单的方法是创建一个列，它是模型+制造商的连接，连接字段上的集群，然后（如果需要）将两个部分再次分开。

Answer 2

我对重复删除地址字符串有类似的要求。所以我创建了一个新列（比如说COMPLETE_ADDRESS）并使用下面的GREL表达式连接了STREET，CITY，PROVINCE，COUNTRY和ZIPCODE字段

cells["STREET"].value + " " + cells["CITY"].value + " " + cells["PROVINCE"].value + " " + cells["COUNTRY"].value + " " + cells["ZIPCODE"].value

然后我做了以下事情：

1. 使用默认算法
分组新的COMPLETE_ADDRESS列
2. 合并每个群集中的值（现在值是完美的重复）
3. 永久对列进行排序。
4. 做一个＆＃34;空白＆＃34;操作。
5. 最后在COMPLETE_ADDRESS中选择非空值

话虽如此，在撰写本文时，没有合并独立列的功能。唯一的方法是将COMPLETE_ADDRESS分成适当的单独的列。在这种情况下，您将不得不使用更好的分隔符，例如pipe＆＃34; |＆＃34;符号不会与现有价值发生冲突。