openrefine - 将可变数量的行转置为 OpenRefine 中的列

Question

我有一个包含图书馆目录记录的 xml 文件。我已将其导入 OpenRefine，但所有值都在一列中。我想转置它，以便记录中的每个字段都有自己的列。但是，由于 a) 每个字段都是可选的，因此并不存在于所有记录中，并且 b) 许多字段是可重复的，因此可以在每个记录中出现多次，因此这很复杂。这是数据的简化示例:

| RecordID | Tag  | Data               |
| 1        | 040a | CaABCD             |
| 1        | 245a | Go fish            |
| 1        | 245a | A guide to fish    |
| 1        | 246i | Fish series        |
| 1        | 260a | Fishing friends    | 
| 2        | 040a | CaABDC             |
| 2        | 245a | Happy trails       |
| 2        | 246i | Hiking series      | 
| 2        | 260i | The happy hiker    |
| 2        | 500a | Notes              |

我已经阅读了这里的问答Openrefine - Transpose rows into columns based on text但是这个解决方案的问题是，如果我将所有值连接在一起，我将无法确定它们属于哪个字段，因为我的数据比那个问题中的数据复杂得多(我的实际数据有 25 个以上的字段以及数千条记录)。

我能够更接近使用 Google 表格并制作一个带有计算字段的数据透视表(如 PivotTable to show values, not sum of values - 请参阅最底部的答案)。但是，我仍然不知道如何处理重复字段。在数据透视表中，有多个值，但只显示第一个值(双击单个单元格会弹出一个列出所有值的详细信息表)，因此当我复制粘贴该表时，我会丢失其他值。我想连接它们，但在数据透视表中看不到这样做的方法。

你能想到我可以用 OpenRefine 或其他工具做这件事的任何其他方法吗？谢谢!

Answer 1

在 OpenRefine 中解决这个问题的经典方法是使用“Transpose -> Columnize by key value”。但是这个特征是poorly documented甚至会让 OpenRefine 开发人员头疼。在您的情况下，重复的字段会有问题，因此这是一个可能的解决方案。

1° 转到“标签”列，单击“转置 -> 按键值列化”并使用以下配置(不要忘记“注释列(可选)”)

结果是这样的(我的数据集和你的不完全一样，我修改了一个值做一些测试)

2° 在新列“记录 ID:040 a”中，单击“编辑列 -> 将列移至开头”。

3° 如果您想合并重复的字段，转到包含它们的每个列并单击“编辑单元格 -> 加入多值单元格”并选择分隔符，例如“|”。

最终结果将如下所示。

要删除不必要的列:单击“导出”->“自定义表格导出”并取消选择名称以 RecordId 开头的列。