String（文字/字符）

本节目标：不是背属性名词，而是学会用这些属性解决常见的数据问题。

先说“属性”（Attribute）

“属性”就是描述某个对象特征的信息。人有生理属性和社会属性；数据同理，String、Date 都有各自的属性。理解属性的用处，比背定义更重要。

1) 长度 Length

每段字符串都有长度，包含字母、数字、标点和空格。注意“不可见”空格也计入长度。

• 例："test " 的长度是 7，而不是 4。

能做什么？

1. Mapping（编码规则识别）
• 员工号 EmployeeID：8 位=Staff，6 位=Manager，4 位=Senior。用 Length 直接映射级别。
2. Data Cleaning（清洗）
• Excel 导入常带 Total/Subtotal 行。可用长度或关键字过滤掉异常行，保持干净的明细表。
3. Table Joining（连接排错）
• 用 EmployeeID 作为 Join Key，却发现只匹配到普通员工。排查后发现薪资表里 ID 统一补零到 8 位。通过 Length 对齐或统一格式即可修复。

2) 大小写 Upper/Lower/Title Case

• Upper Case：全部大写
• Lower Case：全部小写
• Title Case：每个单词首字母大写，如 This Is Title Case

在 Tableau 中可用 PROPER() 快速转为 Title Case。常见于姓名规范化、报表标题统一。

3) 可分割性 Split

许多字段由可分段的子串组成，如 Email、地址、域名。

• 以 bitextbook@gmail.com 为例：前缀 bitextbook，域 gmail.com。按 @ 分割即可得到两部分，再继续按 . 分割域名。

常用操作与场景：

1. 定界分割：按特定符号切分，如 @、/、-。
2. 定长裁剪：
• 从左保留 N 位或删除 N 位。
• 从右保留 N 位或删除 N 位。
3. 查找与替换：将域名中的 gmail 替换为自有域。
• 替换为空字符串即“删除”。
4. 匹配关系：
• A == B 是否相等。
• A CONTAINS B 是否包含。
• A STARTSWITH B 是否以 B 开头。
• A ENDSWITH B 是否以 B 结尾。

4) 这些属性如何落到实操

• 统一键值以稳定 Join：先用 TRIM 去空格，再统一大小写，再对齐长度或格式。
• 文本标准化以提升可视化质量：姓名、品类、地区名先做 PROPER() 和替换表映射。
• 构造特征字段：从 Email 提取域，统计 Gmail 用户占比；从地址提取国家/州；从 SKU 截取品类编码。
• 质检与异常检测：
• 长度超阈值、含非法字符、缺少定界符，均可标记为潜在脏数据。

在 Tableau 里的常见函数提示（按用途归类）

• 清洗与标准化：TRIM，UPPER，LOWER，PROPER
• 分割与截取：SPLIT(string, delimiter, token)，LEFT，RIGHT，MID
• 查找与替换：CONTAINS，FIND，REPLACE
• 匹配与判断：STARTSWITH，ENDSWITH，ISNULL

思路先行：先想清楚“我需要分组还是计算”，再选择合适的字符串操作与函数。

小结

• Length 让你识别编码规则、发现补零与空格问题。
• Case 与 Title Case 保证显示与匹配的一致性。
• Split 让长字符串“模块化”，便于聚合与分析。
• 以上属性在任何工具中都通用，迁移成本低，优先掌握其应用场景与边界。