《Using OpenRefine》翻译~6

上一篇：《Using OpenRefine》翻译~5

第二章：分析和修改数据

本章中，我们将更加深入的学习OpenRefine的数据分析和修改功能，主要的内容包括下面六点：

*点1-数据排序

*点2-数据透视

*点3-重复检测

*点4-应用一个文本过滤

*点5-使用简单单元格转换

*点6-移除匹配行

和第一章：初识OpenRefine一样，本章可以让读者按照自己的需要或爱好选择阅读顺序，并不需要按照顺序阅读。按照顺序阅读也可以，但并不是必须的。

各个要点内容长短不一，有些很短，但有些却不止一两页，比如要点2-数据透视，包括了数据透视的方方面面，这个要点包括了很多页内容并且有很多子内容。

本章学习中，我们建议你使用Import Project 导入项目chapter2.openrefine.tar.gz 。当然你也可以使用第一章中使用的示例文件chapter1.tsv 

点1-数据排序

本点中，我们将学习如何使用排序功能来作为观察数据的手段，以及在进一步处理数据前如何对行进行排序。

因为排过序的值更加容易理解和分析,某些时候你需要使用OpenRefine的排序功能,你可能是想用来观察下数据或者就是想对数据进行排序.我们以Record ID 列为例进行排序,选择列菜单中的Sort... ,将弹出如下窗口:

单元格值可以按照文本(区别大小写或者不区别)、数字、日期、布尔值排序，对每个 类别有两种不同的排序方式：

• Text: 文本：从a到z排序或者从z到a排序

• Numbers数字: 升序或者降序

• Dates: 日期升序或者日期降序

• Booleans: false值先于true值 或true值先于false值 

还有我们可以对错误值和空值指定排序顺序。比如错误值可以排在最前面（这样容易发现问题），空值排在最后（因为空值一般没有意义），而有效值居中。

对Record ID列通过按数字升序排列为例，我们就会获得一列以7、9、14等等标识的列，而打开时是以267220、346260、 267098标识顺序的，下图对排序前后的情况做了比对：

如果按照Text: 文本排序的话，会得到以100、1001、10019开始的一列。同时应该关注的一点是：排序并不会被记录在项目操作历史中。你可以在屏幕左侧顶部的Undo / Redo 页中确认下。

那是因为排序并不会改变数据，其仅仅是改变了显示方式，比如行列互换、隐藏不想显示的列（就像excel的排序过滤功能）。所以每次对某列进行排序，你就会面对三种抉择：取消排序回到原来状态、暂时保持、永久改变。

你无法能在列菜单中做到上面三种要求，但是你可以在屏幕顶部的快捷菜单Sort来做到：

对行进行重新排序

Sort菜单可以让你移除排序操作或者永久对行进行排序。另外，该功能还能提醒你究竟对哪些列进行了排序，还能够对多列进行组合排列操作（见上图）。举个例子，你可以先对Registration Number排序，然后再对Object Title列排序，过会你还可以去掉按Registration Number排序的操作（通过菜单Sort| By Registration Number | Remove sort ），最后再将排序永久保存。每个排序的子菜单还能够通过点击一次来改变排序顺序（比如升序变降序） 。

记得如果你想将排序后的结果再进行后续操作，一定要将排序结果永久保存，比如对于空白单元格或者填充单元格，为了避免前后不一致的错误，在点3-重复检测中，我们将学习如何利用排序的预处理手段来移除重复值。

下一篇：《Using OpenRefine》翻译~7