excel+power query进行文本数据拆分和提取 |
您所在的位置:网站首页 › excel如何从一段话中提取关键字 › excel+power query进行文本数据拆分和提取 |
我的博客之前分享了pandas中文本数据的拆分和提取 由于数据量不大,我们也可以使用excel和它自带的插件power query进行同样的处理。 原始数据如下: 数据来源见此贴 登录爬取拉勾网2.0 Python selenium 数据准备导入csv文件 打开一个空白的excel文件,导入数据。 设定utf-8解码,选择【转换数据】。 进入power query界面,设置第一行为列名。 使用追加查询合并拉勾和boss网数据。 删除不需要的列。 去重 experience列的处理 这一列杂糅了经验,学历和薪资三个维度的内容,需要对列进行拆分。 我们按照分割符分割。 以k作为分隔符拆分为2列 乍一看放佛只要再以【/】为分隔符拆分一次就行。但点开筛选观察数据就会发现有漏网之鱼。 一类是包含【K】的薪资,一类是【经验+学历】的数据形式。 分别以【K】,【/】,【年】(代表xx年经验),【验】(代表经验不限),【生】(代表应届毕业生)为分隔符进行列的切割。这一步骤要重复多次,直到最后分割出了所需要的数据。 然后对各个分割出来的列进行合并。 这时候仍然存在null值,筛选查看数据: 原来原始数据就是null值,可以选择删除或填充,但观察到salary一列的工资为日结的,属于无效数据,删掉。 断开筛选观察数据,发现数据标签不统一,需要进行替换合并。 power query有替换功能,可以直接使用。 但替换功能的缺点是模糊匹配替换,有些数据需要进行精确替换,这里使用条件列。 完成。 再将之前分出来的学历进行上述的操作步骤进行合并。 最终得到: 再举一个例子。 location列的处理 location这一列有的数据形式是【城市+区】,为了统一格式,我们可以使用前文提到的条件列进行。 完成。 总结: excel的power query(以下简称pq)是一个非常强大的插件,它使得数据量很小的情况下清洗数据变得极为简单,省时省力;操作简单的弊端就是数据处理得不精细,复杂处理需要换条件重复同一个步骤多次;pq的替换是模糊替换,使用起来不太方便,这时候可以借助条件列来得到自己想要的数据; |
今日新闻 |
推荐新闻 |
CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |