PowerBI 中如何实现高性能的模糊词根匹配

特别说名:模糊匹配并不是适用于一个常规且常用的方法,但是在一些既定场合,或者既定行业又不得不去做这类分析,模糊匹配最早我分享过Lookup+find的方法实现,最后PowerBI上线后有分享过使用dax实现的方法,很多小伙伴在雷公子的讨论群里想了解如如何通过PowerQuery数据处理的阶段就能实现这个过程,今天雷公子就给大家简单展开介绍下吧!

先看下原始数据及实现效果

  • 原始数据1-关键词列:

  • 原始数据2-关键词词根:

    (原始词根有300多行)

  • 实现效果:

几点说明:

1、模糊词根本身就是一个笛卡尔积式的数据裂变,例如,10000行原始数据,100行词根,做完这个匹配其实就需要计算100万次,所以一般方法匹配会效率低,数据量大,表格会卡死,或者刷新特别慢
2、所以本文会介绍两种方法,一种简单易些,但是效率低;另一种,看似复杂,实际上自己套用,但是性能相对高很多的方法

方法1:简单但缺效率的方法

使用场景:关键词1万行以内,词根100以内的场景

1、加载关键词及词根数据至PowerBI
2、在关键词表中添加列,输入:
Table.SelectRows(Dim地域词根,(x)=>Text.Contains([关键词],x[地域词根])){0}?

3、展开词根列即可

方法说明:红色圈起来的都是Dim地域词根的列,其余是关键词表的列,类似在每一个行添加一个词根表,对表就行筛选,必须符合<地域词根包含在关键词中>,筛选出来,然后{0}是取符合条件的第一行,如果需要列出所有符合的词根,则可以删除{0},最后一个"?"是为了容错,实际使用中也可以忽略,就是后期需要做一步替换错误的操作。

方法2:复杂高效的方式

使用场景,几十万/上百万关键词,几千甚至1万的词根,具体还要看自己硬件的性能

1、加载关键词及词根数据至PowerBI
2、点击公式栏旁边的fx,输入如下公式:

= [
        数据 = List.Buffer(Table.ToRecords(源)),
        地域词根 = List.Buffer(Table.ToRecords(Dim地域词根)),
        result = List.Transform(
            数据,(x)=>[
            关键词=x[关键词],
            地域词根 = List.Select(地域词根, each Text.Contains(x[关键词],_[地域词根])){0}?]
                ),
        table = Table.FromRecords(result)
            ][table]


3、展开上一步操作即可完成
PS:有没有被那么长的公式吓到呢?雷公子就给大家简单解读下
方法说明:此方法是把两个表加载至内存中进行,所以性能比较高,处理数据量大的表格效率也特别高,其实看不懂,没有一点点关系,雷公子几句话教会你怎么使用

  • 公式中的黄色框的部分,两者必须保持一致
  • 公式中红色部分为词根表及要匹配的词根所在的列
  • 公式中蓝色部分为关键词表中的关键词列的列名称,如果你的列名也叫关键词,则无需修改

是不是比较简单?通过这个案例给大家一个提醒,就是我们在学习过程中,可以把一些复杂的问题封装为模块,在需要使用的时候直接拿来调用,更改参数即可,当然这个功能,我们也可以封装为自定义函数,未来有机会再给大家介绍,欢迎大家持续关注【Powerbipro】,powerbi.cc,了解学习更多powerbi相关知识。

文件下载:关注公众号回复:P01

雷公子 | 简快EXCEL【powerbipro】