जेमिनी के साथ बदसूरत स्प्रेडशीट डेटा साफ़ करना (संकेत जो वास्तव में काम करते हैं)
असंगत नामों, दिनांकों और पतों की 2,000 पंक्तियाँ। जेमिनी शीघ्र पैटर्न जो एक सफाई सप्ताह को एक सफाई घंटे में बदल देता है।
वास्तविक दुनिया से आयातित प्रत्येक स्प्रेडशीट एक अपराध स्थल है: तीन प्रारूपों में तारीखें, कंपनी के नाम चार तरह से लिखे जाते हैं, पते जो मेल कॉलम को बेकार बनाते हैं। जेमिनी इनसाइड शीट्स इसे अच्छी तरह से संभालती है, लेकिन केवल तभी जब आप इसे एक डेटा व्यक्ति की तरह संकेत देते हैं, न कि एक शुभचिंतक की तरह।
पहला पैटर्न मानकीकृत-और-शो संकेत है: 'कॉलम बी में, प्रत्येक तिथि को YYYY-MM-DD पर सामान्यीकृत करें, और मुझे वे पांच पंक्तियाँ दिखाएँ जिन्हें आपने सबसे आत्मविश्वास से बदला है और साथ ही वे पंक्तियाँ भी दिखाएँ जिन्हें आप पार्स नहीं कर सके।' शो-मी क्लॉज सुरक्षा जाल है। आप अंध परिवर्तन के लिए नहीं पूछ रहे हैं; आप साक्ष्य के साथ एक प्रस्ताव मांग रहे हैं, जिसे स्वीकार करने से पहले आप जांच-पड़ताल कर लें।
दूसरा पैटर्न मैपिंग टेबल है, जो किसी भी फॉर्मूले की तुलना में गंदे नामों को बेहतर ढंग से संभालता है। 'कॉलम ए में कंपनी के नाम के प्रत्येक प्रकार की मैपिंग को सबसे सामान्य विहित रूप में बनाएं, इसे मेरी मंजूरी के लिए सूचीबद्ध करें, फिर इसे लागू करें।' 40-पंक्ति मैपिंग तालिका को मंजूरी देने में दो मिनट लगते हैं और मर्ज त्रुटियों को पकड़ता है जो उत्पादन के लिए जहाजों को खोजने और बदलने के लिए अंधा कर देता है।
तीसरा पैटर्न अराजकता से मुक्ति है। फ्री-टेक्स्ट एड्रेस सेल संरचित कॉलम बन जाते हैं: 'कॉलम सी से सड़क, शहर, पोस्टल कोड और देश को नए कॉलम में निकालें; अनुमान लगाने के बजाय जहां अनिश्चित हो वहां खाली छोड़ दें।' रिक्त-खाली निर्देश वास्तविक कार्य कर रहा है; मॉडल मददगार बनना चाहते हैं, और एक अनुमानित पोस्टल कोड एक खाली पोस्टल कोड से भी बदतर है।
सप्ताह भर चलने वाली घंटे भर की सफ़ाई एक अंतिम ऑडिट प्रॉम्प्ट के साथ समाप्त होती है: 'कौन से कॉलम में अभी भी मेरे ध्यान देने योग्य विसंगतियाँ या रिक्त स्थान हैं, उन्हें इस आधार पर क्रमबद्ध किया गया है कि वे मेल मर्ज को कितना तोड़ेंगे?' मिथुन सफ़ाई करने में अच्छा है और आपको यह बताने में बेहतर है कि वह क्या सफ़ाई नहीं कर सका, जो कि वह हिस्सा है जिसे आपके उपकरणों ने कभी नहीं किया।