Google Cloud Dataprep值插入及三位ZIP码补全问题求助

1. 如何在Google Cloud Dataprep中插入值？ #

插入值的方式取决于你的具体场景，这里给你几种实用的实现方法：

• 给现有列的指定位置插入内容
  如果是要在列内容的开头、结尾或者中间固定位置插入值，用CONCAT或INSERT函数就能搞定：

  • 开头/结尾插入：比如要在zip_code列前加'US-'，直接写CONCAT('US-', zip_code)，然后把结果保存为新列或者覆盖原列；结尾加内容的话就是CONCAT(zip_code, '-CA')。
  • 中间特定位置插入：比如要在第3个字符后插入横杠，用INSERT(zip_code, 3, 0, '-')，这里的0表示不删除原有字符，只插入新内容。

• 新增列并插入固定/条件值
  直接添加新列，然后用赋值操作：

  • 插入固定值：比如新列默认填充'pending'，直接在公式框里写'pending'就行。
  • 插入条件值：用CASE WHEN语句，比如根据order_status列的值插入不同标记：CASE WHEN order_status = 'completed' THEN '1' ELSE '0' END。

• 插入新数据行
  Dataprep没有直接插入空行的按钮，一般可以通过两种方式实现：要么导入包含要插入行的数据集，然后用合并操作拼接；要么用窗口函数生成行号，再交叉连接一个包含空值的小数据集来生成新行。

2. 解决ZIP码格式错误的补位问题 #

你遇到的问题是因为Dataprep界面上的可视化替换对话框默认是按纯文本匹配，不支持正则表达式，所以得用自定义公式里的REGEXP_REPLACE函数来实现正则替换，具体步骤如下：

假设你的目标是：找到列中包含3位数字的片段，在其前面加上'12'（比如把123变成12123，或者把ABC123XYZ变成ABC12123XYZ），可以这样操作：

1. 在Dataprep的操作栏里，选择添加转换 > 自定义公式。
2. 针对你的ZIP码列（比如叫zip_code），输入对应的REGEXP_REPLACE公式：
   • 如果整列都是3位数字的情况（比如123要变成12123）：

     REGEXP_REPLACE(zip_code, '^(\d{3})$', '12$1')
     

     这里^(\d{3})$匹配整列的3位数字，$1表示引用匹配到的3位数字，替换后就是12加上原来的3位数字。
   • 如果列内容中包含3位数字的片段，要在该片段前加12：

     REGEXP_REPLACE(zip_code, '(\d{3})', '12$1')
     

   • 如果你的{start}{digit}{3}{end}是指“任意开头内容+3位数字+任意结尾内容”，要在3位数字前插入12并保留前后内容：

     REGEXP_REPLACE(zip_code, '^(.*?)(\d{3})(.*)$', '$112$2$3')
     

3. 点击应用，就能得到你想要的补位结果了。

简单来说，可视化替换适合简单文本替换，正则相关的复杂替换一定要用REGEXP_REPLACE这类函数来实现，别在替换对话框里浪费时间啦~

内容的提问来源于stack exchange，提问作者user40551