1.对文件merge.csv进行完全去重
打开Kettle工具创建转换,并添加“CSV文件输入“控件、”唯一行(哈希值)“控件以及Hop跳连接线。
配置“CSV文件输入”控件,进入“CSV文件输入”界面,双击“CSV文件输入”控件,进入“CSV文件输入”界面,单击“浏览”按钮,选择要进行完全去重处理的CSV文件merge.csv,单击“获取字段”按钮Kettle会自动检索CSV文件,并对文件中的字型、格式、长度精度等属性进行分析。
单击"预览”按钮,查看CSV文件merge. csv的数据是否加载到CSV文件输入流中
配置“唯一行(哈希值)”控件,双击“唯一行(哈希值)”控件,进入“唯一行(哈希值)”界面 在“用来比较的字段"处添加要去重的字段,这里可以单击“获取”按钮,添加需要去重的字段。
单击转换工作区顶部的“运行”按钮,运行创建的转换repeat_transform,实现消除CSV文件merge.csv中完全重复的数据。
2.对文件people_survey.txt中的缺失值进行填充
使用Kettle工具创建转换, 并添加“文本文件输人”控件、“过滤记录”控件。“空操作(什么也不做)”控件、“替换NULL值"控件、“合并记录”控件、“字段选择"控并以及Hop跳连接线。
双击“文本文件输人”控件,进入“文本文件输人”界面,单击“浏览"按钮,选择要填充缺失值的文件people_survey.txt,单击“增加”按钮,将要填充缺失值的文件people_ survey. txt添加到“文本文件输人”控件中
单击“内容"选项卡,切换到“内容”选项卡界面,清除分隔符处的默认分隔符“;”,单击Insert TAB按钮,在分隔符处插人一个制表符:取消勾选“头部”复选框,若不取消,则在进行数据抽取操作时会排除文件第一行的数据
单击“字段”选项卡,切换到“字段”选项卡界面,根据文件people_survey.txt的内容添加对应的字段名称,并指定数据类型。需要注意的是,制表符可看作是由多个空格组成,因此在“去除空字符串方式”列时,所添加的字段都应选择“不去掉空格”,否则在抽取数据操作时会把制表符当作空格去除,而不能把制表符作为分隔符实现文本文件内容的分隔
单击“预览记录”按钮,查看文件people_ survey. txt的数据是否成功抽取到文本文件输人流中
配置过滤记录控件。
配置替换NULL值控件。
配置合并记录控件。
配置替换NULL值2控件。
配置字段选择控件。
运行转换。
2021-10-14
最新推荐文章于 2024-10-11 17:04:33 发布