如何在RapidMiner中统计书籍数据集author列的作者数量？

给你两种直接可行的方法，对应你尝试过的两种思路：

方法一：统计逗号数量计算作者数 #

这是你最初的思路，用Generate Attributes工具就能实现，不用循环：

• 把Generate Attributes拖进流程，连接你的书籍数据集
• 在工具配置面板里，新建一个属性，命名为Count Authors
• 在表达式框里输入：

  count_chars(author, ",") + 1
  

  原理：n个作者之间会有n-1个英文逗号，统计逗号数量加1就是作者总数。要是有作者列空的情况，可改成：

  if(is_empty(author), 0, count_chars(author, ",") + 1)
  

• 运行流程就能得到你要的结果。

方法二：拆分列后统计非空列数 #

针对你试过的拆分列思路，后续步骤这么做：

• 用Split工具处理author列，分隔符选英文逗号（,），勾选「split into multiple columns」，拆分后会生成author_1、author_2等多列
• 再拖入Generate Attributes工具，新建Count Authors属性，表达式用sum函数统计非空列的数量，比如拆分出3列的话：

  sum(not(is_empty(author_1)), not(is_empty(author_2)), not(is_empty(author_3)))
  

  原理：not(is_empty())会把有作者的列转为1，空列转为0，求和后就是该行的作者总数。

示例结果 #

运行后就能得到你期望的格式：

Author: Wiebke Krabbe Count Authors: 1
Author: Claudia Fischer, Ilona Butterer Count Authors: 2
Author: Juliane Seidel, Christin Hopf, Paul Walsh Count Authors: 3

内容的提问来源于stack exchange，提问作者Hanna