搜索两个多维数组并将相似的子数组组合在一起

Question

我正在尝试搜索两个多维数组以查找给定子数组中的任何共同元素，然后将结果放入第三个数组中，其中具有相似元素的整个子数组组合在一起（不仅仅是相似元素）。

数据从两个 CSV 导入：

require 'csv'
array = CSV.read('primary_csv.csv')
  #=> [["account_num", "account_name", "primary_phone", "second_phone", "status],
  #=>  ["11111",        "John Smith",   "8675309",      "            ", "active"], 
  #=>  ["11112",        "Tina F.",      "5551234",      "5555678"     , "disconnected"],
  #=>  ["11113",        "Troy P.",      "9874321",      "            ", "active"]] 
  # and so on...

second_array = CSV.read('customer_service.csv')
  #=> [["date",   "name",      "agent", "call_length", "phone",   "second_phone", "complaint"],
  #=>  ["3/1/15", "Mary ?",    "Bob X", "5:00",        "5551234", "          ",   "rude"],
  #=>  ["3/2/15", "Mrs. Smith", "Stew", "1:45",        "9995678", "8675309"   ,   "says shes not a customer"]] 
  # and so on...

如果primary.csv 和customer_service.csv 的子数组中存在任何数字作为元素，我希望将整个子数组（而不仅仅是公共元素）放入第三个数组results_array。基于上述示例的期望输出为：

results_array = [["11111",        "John Smith",   "8675309",      "            ", "active"],
                 ["3/2/15", "Mrs. Smith", "Stew", "1:45",        "9995678", "8675309"   ,   "says shes not a customer"]] # and so on...

然后我想将数组导出到一个新的 CSV，其中每个子数组都是它自己的 CSV 行。我打算通过将每个子数组与 , 连接来迭代每个子数组，使其以逗号分隔，然后将结果放入新的 CSV：

results_array.each do {|j| j.join(",")}
File.open("results.csv", "w") {|f| f.puts results_array}
  #=> 11111,John Smith,8675309, ,active
  #=> 3/2/15,Mrs. Smith,Stew,1:45,9995678,8675309,says shes not a customer 
  # and so on...

我怎样才能达到预期的输出？我知道最终产品会看起来很乱，因为类似的数据（例如电话号码）将位于不同的列中。但我需要找到一种方法将数据分组在一起。

Answer 1

假设a1 和a2 是两个数组（不包括标题行）。

代码

def combine(a1, a2)
  h2 = a2.each_with_index
         .with_object(Hash.new { |h,k| h[k] = [] }) { |(arr,i),h|
           arr.each { |e| es = e.strip; h[es] << i if number?(es) } }
  a1.each_with_object([]) do |arr, b|
    d = arr.each_with_object([]) do |str, d|
      s = str.strip    
      d.concat(a2.values_at(*h2[s])) if number?(s) && h2.key?(s)
    end
    b << d.uniq.unshift(arr) if d.any?
  end
end

def number?(str)
  str =~ /^\d+$/
end

示例

这是您的示例，稍作修改：

a1 = [
  ["11111", "John Smith", "8675309", "",        "active"      ], 
  ["11112", "Tina F.",    "5551234", "5555678", "disconnected"],
  ["11113", "Troy P.",    "9874321", "",        "active"      ]
] 

a2 = [
  ["3/1/15", "Mary ?",     "Bob X", "5:00", "5551234", "",        "rude"],
  ["3/2/15", "Mrs. Smith", "Stew",  "1:45", "9995678", "8675309", "surly"],
  ["3/7/15", "Cher",       "Sonny", "7:45", "9874321", "8675309", "Hey Jude"]
]

combine(a1, a2)
  #=> [[["11111",   "John Smith", "8675309",       "",
  #      "active"],
  #     ["3/2/15",  "Mrs. Smith", "Stew",          "1:45",
  #      "9995678", "8675309",    "surly"],
  #     ["3/7/15",  "Cher",       "Sonny",         "7:45",
  #      "9874321", "8675309",    "Hey Jude"]
  #    ],
  #    [["11112",   "Tina F.",    "5551234",       "5555678",
  #      "disconnected"],
  #     ["3/1/15",  "Mary ?",     "Bob X",         "5:00",
  #      "5551234", "",           "rude"]
  #    ],
  #    [["11113",   "Troy P.",    "9874321",       "",
  #      "active"],
  #     ["3/7/15",  "Cher",       "Sonny",         "7:45",
  #      "9874321", "8675309",    "Hey Jude"]
  #    ]
  #  ]

说明

首先，我们定义一个助手：

def number?(str)
  str =~ /^\d+$/
end

例如：

number?("8675309") #=> 0 ("truthy)
number?("3/1/15")  #=> nil

现在在代表数字的值上索引a2：

h2 = a2.each_with_index
       .with_object(Hash.new { |h,k| h[k] = [] }) { |(arr,i),h|
         arr.each { |e| es = e.strip; h[es] << i if number?(es) } }
  #=> {"5551234"=>[0], "9995678"=>[1], "8675309"=>[1, 2], "9874321"=>[2]} 

例如，这表示“数字”字段“8675309”包含在 a2 的偏移量 1 和 2 处的元素中（即，对于 Smith 和 Cher 夫人）。

我们现在可以简单地遍历a1 的元素来寻找匹配项。

代码：

arr.each_with_object([]) do |str, d|
  s = str.strip    
  d.concat(a2.values_at(*h2[s])) if number?(s) && h2.key?(s)
end

遍历arr 的元素，将每个元素分配给块变量str。例如，如果arr 包含a1 的第一个元素，str 将依次等于"11111"、"John Smith"，等等。在s = str.strip 之后，这表示如果s 具有数字表示并且在h2 中有匹配的键，则（最初为空的）数组d 与a2 的元素连接，由值给出h2[s].

完成此循环后，我们查看d 是否包含a2 的任何元素：

b << d.uniq.unshift(arr) if d.any?

如果是，我们删除重复项，在数组前面加上 arr 并将其保存到 b。

请注意，这允许a2 的一个元素匹配a1 的多个元素。