OpenRefine(数据清洗工具) v2.6 for Linux 官方免费版(附使用教程)

OpenRefine v2.6 for Linux官方免费版是一款强大的数据清洗工具，它能高效处理复杂数据问题，支持多格式数据导入，操作简单且功能丰富。我最喜欢它的聚类功能，在处理一份包含大量重复、格式不规范姓名的数据时，传统方法处理起来既耗时又容易出错，而聚类功能能快速将相似的数据归为一类，我可以轻松对这些数据进行统一修正，不仅大大提高了处理效率，还保证了数据的准确性。

安装方法

1、OpenRefine在Windows的安装

下载ZIP包

解压到某个目录；

要运行OpenRefine，双击openrefine.exe文件。

2、OpenRefine在Mac的安装

下载DMG文件

打开磁盘镜像，拖动OpenRefine的图标到Applications目录；

双击图标以启动OpenRefine。

3、OpenRefine在Linux的安装

下载gzipped包

解压到当前用户的home目录；

在终端命令行环境，键入./refine以启动OpenRefine。

使用说明

首先我们得载入数据文件

打开Open Refine， 点击屏幕左侧的“新建项目” (Create Project)

先点击“这台电脑” (This Computer)，然后点击“选择文件”(Choose Files)。 在你的数据文件中选择UniversityData.csv。你就会看到数据。

该文件中有些中文文字(列的名字)。如果中文显示不对，你也许需要告诉Open Refine使用正确的字符集。要做到这一点，点击“字符编码” (Character encoding) 旁边的空白空间，从中选择UTF-8。

然后点击右边的“新建项目” (Create Project) 键。

你可以看到country (“国家”)这一列中， 国家名字不统一。例如，美国即叫 United States，也叫USA。我们要通过创立一个文字归类， 让Open Refine 给我们看 country 一列中所有的值。摁下 country 旁边的小下箭头，选择 归类 Facet -> 文本归类 Text Facet。

片刻后，该归类中所有国家的值就会在屏幕左侧显示出来。

你可以看到美国有多个不同叫法， 还有一些错误的名字，比如有一行美国叫United States )， 还有一个捏造的国家叫Utopia(乌托邦)!每个不同的国家名叫一个归类, Open Refine 给你显示了每一个归类里有多少行数据。

点击任何归类名字，你会只看到那个归类里的行。在我们这个例子里，你只会看到那些国家列里数据和你点击的名字相符的行。

你只要点击任何一个归类名，就能对其进行编辑。现在我们来把美国所有不同的叫法都变成United States。 你鼠标指向 US 这一归类时，一个的“编辑”edit 选项就会出现。点击该 编辑 edit。

请打入United States, 然后点击 应用 Apply。

现在所有是 US 的2609行都变成了United States。 对每一个别的叫法都同样进行编辑，直到美国所有的叫法都变成United States。 你做完后，你的归类应该如下：