Funktionsweise des Fuzzyabgleichs in Power Query

Power Query-Features wie fuzzy merge, cluster values, and fuzzy grouping use the same mechanisms to work as fuzzy matching.

In diesem Artikel werden viele Szenarien erläutert, die veranschaulichen, wie Sie die Optionen nutzen können, die der Fuzzy-Abgleich hat, mit dem Ziel, "Fuzzy" klar zu machen.

Anpassen des Ähnlichkeitsschwellenwerts

Das beste Szenario für die Anwendung des Algorithmus für Fuzzyvergleiche besteht darin, dass alle Textzeichenfolgen in einer Spalte nur die Zeichenfolgen enthalten, die verglichen werden müssen, und keine zusätzlichen Komponenten. Der Vergleich mit Apples4ppl3s der Ergibt z. B. höhere Ähnlichkeitsergebnisse als vergleicht ApplesMy favorite fruit, by far, is Apples. I simply love them!.

Da das Wort Apples in der zweiten Zeichenfolge nur ein kleiner Teil der gesamten Textzeichenfolge ist, führt dieser Vergleich zu einer niedrigeren Ähnlichkeitsbewertung.

Der folgende Datensatz besteht beispielsweise aus Antworten aus einer Umfrage, die nur eine Frage hatte: "Was ist Ihre Lieblingsobst?"

Die Umfrage stellte ein einzelnes Textfeld zur Eingabe des Werts bereit und hatte keine Überprüfung.

Jetzt werden Sie mit dem Clustering der Werte beauftragt. Laden Sie dazu die vorherige Tabelle mit Früchten in Power Query, wählen Sie die Spalte aus, und wählen Sie dann die Option "Clusterwerte " auf der Registerkarte " Spalte hinzufügen " im Menüband aus.

Das Dialogfeld "Clusterwerte " wird angezeigt, in dem Sie den Namen der neuen Spalte angeben können. Benennen Sie diesen neuen Spaltencluster , und wählen Sie "OK" aus.

Power Query verwendet standardmäßig einen Ähnlichkeitsschwellenwert von 0,8 (oder 80%). Der Mindestwert von 0,00 bewirkt, dass alle Werte mit jeder Ähnlichkeitsstufe einander übereinstimmen, und der Maximalwert von 1,00 lässt nur genaue Übereinstimmungen zu. Eine fuzzy "genaue Übereinstimmung" ignoriert möglicherweise Unterschiede wie Groß-/Kleinschreibung, Wortreihenfolge und Interpunktion. Das Ergebnis des vorherigen Vorgangs liefert die folgende Tabelle mit einer neuen Clusterspalte .

Während das Clustering abgeschlossen ist, erhalten Sie nicht die erwarteten Ergebnisse für alle Zeilen. Die Zeilennummer 2 (2) weist weiterhin den Wert Blue berries are simply the bestauf, sollte jedoch gruppiert Blueberrieswerden, und etwas ähnliches geschieht mit den Textzeichenfolgen Strawberries = <3, fav fruit is bananasund My favorite fruit, by far, is Apples. I simply love them!.

Um zu bestimmen, was dieses Clustering verursacht, doppelklicken Sie im Bereich "Angewendete Schritte" auf "Gruppierte Werte", um das Dialogfeld "Clusterwerte" wieder anzuzeigen. Erweitern Sie in diesem Dialogfeld Fuzzy-Clusteroptionen. Aktivieren Sie die Option "Ähnlichkeitsbewertungen anzeigen ", und wählen Sie dann "OK" aus.

Wenn Sie die Option "Ähnlichkeitsbewertungen anzeigen " aktivieren, wird in Ihrer Tabelle eine neue Spalte erstellt. In dieser Spalte wird die genaue Ähnlichkeitsbewertung zwischen dem definierten Cluster und dem ursprünglichen Wert angezeigt.

Bei genauerer Überprüfung konnte Power Query keine anderen Werte im Ähnlichkeitsschwellenwert für die Textzeichenfolgen Blue berries are simply the best,Strawberries = <3, fav fruit is bananasund My favorite fruit, by far, is Apples. I simply love them!.

Wechseln Sie erneut zum Dialogfeld "Clusterwerte", indem Sie im Bereich "Angewendete Schritte" auf "Gruppierte Werte" doppelklicken. Ändern Sie den Ähnlichkeitsschwellenwert von 0,8 auf 0,6, und wählen Sie dann OK aus.

Diese Änderung nähert sich dem Ergebnis, nach dem Sie suchen, mit Ausnahme der Textzeichenfolge My favorite fruit, by far, is Apples. I simply love them!. Wenn Sie den Schwellenwert für Ähnlichkeit von 0,8 auf 0,6 geändert haben, konnte Power Query nun die Werte mit einer Ähnlichkeitsbewertung verwenden, die von 0,6 bis zu 1 beginnt.

Sie können es erneut versuchen, indem Sie die Ähnlichkeitsbewertung von 0,6 auf eine niedrigere Zahl ändern, bis Sie die gewünschten Ergebnisse erhalten. Ändern Sie in diesem Fall die Ähnlichkeitsbewertung auf 0,5. Diese Änderung liefert das genaue Ergebnis, das Sie mit der Textzeichenfolge My favorite fruit, by far, is Apples. I simply love them! erwarten, die jetzt dem Cluster Appleszugewiesen ist.

Besondere Überlegungen zur Transformationstabelle

Mithilfe der Transformationstabelle können Sie Werte aus Ihrer Spalte zu neuen Werten zuordnen, bevor Sie den Fuzzyabgleichsalgorithmus ausführen.

Einige Beispiele für die Verwendung der Transformationstabelle:

• Transformationstabelle in Clusterwerten
• Transformationstabelle in Fuzzy-Zusammenführungsabfragen
• Transformationstabelle in Gruppe nach

Verwandte Inhalte

• Fuzzyzusammenführung
• Clusterwerte
• Fuzzygruppierung