如何手动控制数据模式解释

Question

当我从https://www1.ncdc.noaa.gov/pub/data/uscrn/products/subhourly01/2017/CRNS0101-05-2017-TX_Austin_33_NW.txt导出公共天气数据时，只要太阳辐射> 9，我剩下的所有列的所有数据就会集中到一个列中，如下所示。我尝试过以txt和csv格式上传，但问题仍然存在于excel，表格和dataprep中。

为什么会这样？

是否有一种编程方式可以解决此问题，以便按预期的方式填充数据，每列1个值？

Answer 1

可能是因为未正确检测到初始数据结构。如果数据集的第一行与其余行的结构不同，则会发生这种情况。

要在Dataprep中解决此问题，可以按照以下步骤指示如何构造数据集：

1. 转到流视图
2. 右键单击数据集，然后选择“删除结构...”
3. 打开食谱
4. 插入拆分行步骤：
   • splitrows col: column1 on: '\n'
5. 使用空格正则表达式分隔列（例如/\s+/）
   • splitpatterns col: column1 type: on on: /\s+/ limit: 22

（您可以在创建新步骤时将以下命令复制并粘贴到搜索输入中）

这是您应该获得的：

注意：导入数据集时，也可以防止进行初始结构检测。参见https://cloud.google.com/dataprep/docs/html/Remove-Initial-Structure_136154971