record-linkage

0зной

1ответ

Как использовать эффективное сопоставление шаблонов, чтобы найти сходство строк в больших данных

У меня есть таблица около 100 000 строк. Эта таблица находится в файле Excel, а вот снимок из него: +------------+-----------+-----+-----+-----------------------------------------------------------+

-1зной

1ответ

Алгоритмы дедупликации записей (linkage)

У меня есть задача дедупликации стандартной записи: У меня есть много записей с некоторыми текстовыми (или некоторыми другими) полями, некоторые из которых соответствуют одному и тому же объекту. Цель

0зной

3ответ

Python debuplicate records - dedupe

Я хочу использовать https://github.com/datamade/dedupe для дедупликации некоторых записей в python. Глядя на их примеры data_d = {} for row in data: clean_row = [(k, preProcess(v)) for (k, v) in

0зной

1ответ

Слияние двух наборов данных с нечетким идентификатором в Excel

Я пытаюсь объединить два набора данных при слиянии & Приобретения. Оба они состоят из c.10'000 наблюдений с c.50-100 переменных каждый. Один содержит информацию о фактической сделке M &, тогда как дру

3зной

2ответ

Как эффективно привязывать записи к большой таблице с помощью python Dedupe?

Я пытаюсь использовать пакет Dedupe, чтобы объединить небольшие беспорядочные данные в каноническую таблицу. Поскольку каноническая таблица очень большая (122 миллиона строк), я не могу загрузить ее в

1зной

2ответ

Настройка явных правил для сопоставления записей с использованием библиотеки Dedupe Python

Я использую библиотеку Dedupe для сопоставления записей людей друг с другом. Мои данные включают имя, дату рождения, адрес, номер телефона и другую личную информацию. Вот мой вопрос: я всегда хочу соп

1зной

1ответ

Панд нечетких обнаружений дубликатов

Как можно использовать нечеткое соответствие в панде для обнаружения повторяющихся строк (эффективно) Как найти дубликаты одного столбца против всех остальных, не гигантский цикла преобразования row_i