Excel - 将两个csv文件合并为一个具有公共列的文件

Question

我正在使用csv形式的两个数据集（movielens latest-small dataset）。以下是两者的字段。

rating.csv

  user_id   movie_id  rating

movie.csv

  movie_id   movie_name

我想要的是将它们组合成一个带有以下字段的单个.csv

user_id   movie_id   movie_name   rating

以便公共列movie_id映射到相应的movie_name。

可以使用Excel完成吗？如果没有，我该怎么办？

我只是需要它作为我的推荐器引擎的数据集，所以任何简单的解决方案都是受欢迎的，因为最终结果才是最重要的。但是因为我在java方面有一些经验，所以我很容易理解和实现。

如果有某种方式使用Excel那么这将是最好的。我尝试过在线搜索并找到了一些VLOOKUP方法，但无法清楚地获得它。

此外，我尝试了一些在线合并工具，但他们只是一个接一个地附加工作表而不是映射列。所以我也没有使用在线工具的问题。

Answer 1

这是在Excel中使用VLOOKUP公式的方法：

公式有4个参数：

1. 您想要查找的值
2. 您正在研究的数据范围
3. （2）中包含您想要的答案的列
4. 是否匹配（1）大约即FALSE =完全匹配

有关该功能的文档，请参阅here。

Answer 2

查看此工具 - https://github.com/DataFoxCo/gocsv - 它基于csvkit但具有大量附加功能。我们的一位工程师定制了它 - 并开源它以帮助解决我们每天处理的一些数据问题：）

它将使用join命令在几秒钟内完成基本上任何大小的csv的vlookup：

gocsv join --columns 'movie_id','movie_id' --left rating.csv movie.csv > combineddata.csv

然后，如果您仍想重新排序列，也可以这样做：

gocsv select --columns 'user_id','movie_id','movie_name','rating' combineddata.csv > combineddata-final.csv

我把命令拆分到最顶层以帮助解释它的用法 - 文档上也包含了所有示例，但最终我真的建议管道化并在一个命令中执行此操作：

cat rating.csv \ | gocsv join --left --columns 'movie_id','movie_id' movie.csv \ | gocsv select --columns 'user_id','movie_id','movie_name','rating' > combineddata.csv