Cloud Dataprep - 使用中间数据集替换代码或id值

Question

我是GCP dataprep中的新手，现在正在尝试创建一个配方，但我无法弄清楚这样做的方法。

总之，我有2个文件，第一个有这个列：NAME，CONTRY_CODE，...

第二个是：COUNTRY_CODE，COUNTRY_NAME

如何将第一个数据集中的COUNTRY_CODE替换为第二个数据集的COUNTRY_NAME（与相应的COUNTRY_CODE匹配）？

提前致谢！

Answer 1

对于任何试图制作此类事物的人。您可以使用Dataprep中的Lookup属性来实现它！

只需选择要更改的列（在我的情况下为COUNTRY_CODE），然后选择查找 - >选择数据集（在我的情况下是第二个）。它将按预期取代它！

Answer 2

虽然查找答案将正常工作，但JOIN选项可能是一个更好的可扩展性解决方案，因为它支持远程端的多个列，显示匹配率，允许模糊匹配，以及许多其他好东西（如忽略空格中的空格）火柴）。您还可以选择连接类型来控制输出和缺失行的处理方式。

在语义上这两个选项没有太大的不同，我没有看到真正的性能差异 - 但我已经能够通过使用像这样的连接简化一些操作：