如何在OpenRefine中比较同一项目中不同行的单元格
我有一组数据，其中一列名为如何在OpenRefine中比较同一项目中不同行的单元格,openrefine,Openrefine,我有一组数据，其中一列名为START，包含日期值 是否有方法将一行的START值与项目中的所有其他START值进行比较 我想创建一个新列，其中包含这样一条消息：“行n°x，y，…，z包含更大的起始值”。 我曾尝试使用“cell.cross”函数比较两个项目（实际上是同一个项目），但这似乎太耗费资源和时间了： 1. create a new column COMPARE with a fixed value 2. use "cell.cross" function agains
STARTSTARTSTART“cell.cross”1. create a new column COMPARE with a fixed value
2. use "cell.cross" function against column COMPARE to import in every row all the START values of the project, collapsed in a new column named ALL_START_VALUES
3. compare START value against the array in ALL_START_VALUES and generate log
如果我理解正确，您的步骤2涉及创建一个包含200000个单元格的项目，每个单元格包含200000个元素，即200000^2=400亿个元素OpenRefine是一个数据清理工具，可以从数据库导入和导出表格数据，但它本身不是数据库 如果要检查包含日期、文本或其他内容的列上的值，可以使用列菜单应用各个方面。正如Ettore所说，如果您使用的数据集有数百万或数十亿行（这可能需要为OpenRefine分配大量RAM），那么您可能会遇到麻烦
您的用例可能更接近于需要支持函数的数据库。在RDBMS领域，我建议使用PostgreSQL OpenRefine不容易支持在多行之间工作的操作。您可以在一定程度上使用“记录”模式来实现这一点，但如果您尝试创建一个包含200k行的记录，则会出现性能问题 所以我怀疑OpenRefine不是解决这个问题的最佳工具 就您实际如何处理整个问题而言——感觉这实际上是一个“排序”问题——如果您根据开始列中的日期对行进行排序，那么下面包含大于或等于开始日期的每一行。从那里可以相当容易地在LOG列中生成所需的语句—在START列中查找包含较晚日期的第一行，然后就可以知道该列下的所有行也包含较晚日期。（我可以在OpenRefine中找到这样做的方法，但它相当复杂——我认为这不是最好的解决方案） 希望这能有所帮助