【发布时间】：2013-01-16 05:04:55
【问题描述】：
我不确定这是否可以在 Google Refine 中实现。但基本上，我有这样的数据。
第一个表是所有用户的表。第二张表显示所有朋友。但是，在"friends" 列的第二个表中，并不是所有的 id 都存在于我想要删除的第一个表中。那么，如何在第二个表的friends 列中搜索每个id 并去掉表1 中不存在的id？
【问题讨论】：
【发布时间】：2013-01-16 05:04:55
【问题描述】：
将这两个表放在不同的项目中（我们称它们为Table1 和Table2）。
在Table2 上的friends 列：
- 使用“拆分多值单元格”将每个值放在单独的行中
- 将访问者列转换为数字（或反过来将 Table1 中的 user_id 转换为字符串）
- 将“基于此列添加新列”与表达式
cross(cell,'Table1','user_id').length()一起使用
如果没有匹配则返回 0，如果有匹配则返回 1，如果 Table1 中有重复则返回 N>1
如果您希望数据恢复为原始格式，请设置一个构面以过滤有效性列，清除所有错误值，然后使用“连接多值单元格”来反转您之前执行的拆分操作.
我在 OpenRefine 2.6 中使用 cross() 修复了一些缓存错误，因此如果 cross() 不起作用，请尝试停止并重新启动 Refine 服务器。
【讨论】：
-
嗨，顺便说一句，我忘了提到“朋友”列有大约 3000 个 id，所以当我这样做时，我得到了堆错误，即使我从 -m 6000m 开始。不确定 Google Refine 处理这么多数据是否太多？
-
两张表的总大小是多少？细胞数？您可以做的一件事是创建一个 Table1 的变体，它仅包含 user_id 列以节省内存。此外，Refine 从内存中逐出项目并不是很激进，因此您可以重新启动服务器以确保内存中没有其他项目。
-
第一个表只有30m，但第二个是300m，它们都只有30000条记录。我什至不能做“拆分多值单元格”。因为 Table2 列“朋友”有大约 3000 个 id。
-
您可以使用
forEach(value.split(','),v,if(<complex expression using cross>,v,null).join(',')来拆分朋友字符串，验证每个部分，然后将其重新组合在一起，但我现在没有时间为您组合。 -
我会试着弄清楚。非常感谢您的帮助。 :-)