Question

使用各种数据技术来弄清楚哪一个最适合与工作相关的任务，我发现我需要做一些小的数据清理。

我在csv中有一个“BookingID”列，它只有两种不同的可能的输入格式：

"19028848
"

和

"27515492
AirBnB-16002513-4222RF"

请注意，我不确定为什么引号或新换行符就是这样。可能与原始文件是Excel并使用Excel保存为CSV这一事实有关。

在任何情况下，我都有以下d3代码，用于映射和过滤我想要的两列我想要的d3数组，以便在比例映射中使用：

    sales = data
    .map(d => [+d["BookingID"], +d["Total Paid"]])
    .filter(results => results.every(not(isNaN)));

这适用于我在这里写的第一种格式的所有BookingID，但不适用于第二种格式（即它们被过滤掉）。我想要一个解决方案来删除所有从数字后面开始的东西，所以在上面的例子的情况下，我最终得到了27515492.我对这一切都不是非常有经验，但我无法想象人们在d3中做了很多清理工作，对吗？由于我不确定我是否会使用d3，highcharts，Tableau或其他内容，因此我想在excel电子表格或Notepad ++级别的CSV中使用解决方案。我刚从另一个问题看到了CSVed，但我只需要最好的解决方案，不一定是GUI或任何花哨的东西。我感谢你的推荐（以及正则表达式，你的正则表达式）谢谢你。

Answer 1

使用正则表达式时，无需在Notepad ++中预处理数据，因为所有这些都可以在JavaScript中轻松完成：

＆＃13;

// data contains the result of your CSV input processed by d3.csv()
var data = [{
  "BookingID": "19028848\n",
  "Total Paid": "1"
}, {
  "BookingID": "27515492\nAirBnB-16002513-4222RF",
  "Total Paid": "1"
}];

var sales = data
  .map(d => [
    +/^(\d+).*/.exec(d["BookingID"])[1],   // extract ID from input strings
    +d["Total Paid"]
  ]);

console.log(sales);

＆＃13;

正则表达式/^(\d+).*/将从两种格式中提取预订ID的相关部分，并将结果直接输入您的数据处理。

d3正则表达式或Notepad ++数据清理

1 个答案: