Google Refine学习总结

Google

１、识别列数据中的重复值

• XXXX|Facet|Customized facets|Duplicates Facet

２、移除列数据中的缺失值

• 将重复行的输出
• 只对重复的部分标"flag"
• 只查看flag
• 左上角点击remove all

３、识别列数据中的缺失值

• XXXX|Facet|Customized facets|Facet by blank

４、查询语句

• text filter

５、常用的数据转换(data transform)

• Trimming whitespace ：去除开头和结尾的空格；
• Consecutive whitespace：去除连续空格中的多余空格；
• Unescape HTML entitles：解决编码问题；
• To uppercase：全部改为大写；
• To lowercase：全部改为小写；
• To titlecase：全部改为首字母大写；

６、关于“Multi-valued cells”

• join Multi-valued cells：在某个属性中，为某一样本添加多个同类值，并自定义分隔符。例如某个客户，具有多个电话号码，多个地址。

• split Multi-valued cells：对某一样本在某一属性中的多个值，进行分开存储。

• "rows mode"&"record mode"：二者的根本区别在于，当某一样本在某个属性存在多个值时，"rows mode"将其视为多个不同的样本，而"record mode"只将其视为一个样本。

• 增加一列记录multi-valued的个数：

  • Edit column|Add column based on this column;
  • 输入语句：value.split(",").length()

７、修改某一数值的最快速的方法：

• 先在按照此变量进行facet;
• 在categories处更改名称，即会应用与所有数据;

８、合并意思相近的属性值

• Edit Cells|Cluster and edit：合并后的名称可以自定义。

９、替换函数

• value.replace("abc","efg")