У меня есть два файла CSV, первый такой:
Книга1:
ID,TITLE,SUBJECT
0001,BLAH,OIL
0002,BLAH,HAMSTER
0003,BLAH,HAMSTER
0004,BLAH,PLANETS
0005,BLAH,JELLO
0006,BLAH,OIL
0007,BLAH,HAMSTER
0008,BLAH,JELLO
0009,BLAH,JELLO
0010,BLAH,HAMSTER
0011,BLAH,OIL
0012,BLAH,OIL
0013,BLAH,OIL
0014,BLAH,JELLO
0015,BLAH,JELLO
0016,BLAH,HAMSTER
0017,BLAH,PLANETS
0018,BLAH,PLANETS
0019,BLAH,HAMSTER
0020,BLAH,HAMSTER
А затем второй CSV с элементами, связанными с первым списком, где идентификатор является общим атрибутом между ними.
Книга2:
ID,ITEM
0001,PURSE
0001,STEAM
0001,SEASHELL
0002,TRUMPET
0002,TRAMPOLINE
0003,PURSE
0003,DOLPHIN
0003,ENVELOPE
0004,SEASHELL
0004,SERPENT
0004,TRUMPET
0005,CAR
0005,NOODLE
0006,CANNONBALL
0006,NOODLE
0006,ORANGE
0006,SEASHELL
0007,CREAM
0007,CANNONBALL
0007,GUM
0008,SERPENT
0008,NOODLE
0008,CAR
0009,CANNONBALL
0009,SERPENT
0009,GRAPE
0010,SERPENT
0010,CAR
0010,TAPE
0011,CANNONBALL
0011,GRAPE
0012,ORANGE
0012,GUM
0012,SEASHELL
0013,NOODLE
0013,CAR
0014,STICK
0014,ORANGE
0015,GUN
0015,GRAPE
0015,STICK
0016,BASEBALL
0016,SEASHELL
0017,CANNONBALL
0017,ORANGE
0017,TRUMPET
0018,GUM
0018,STICK
0018,GRAPE
0018,CAR
0019,CANNONBALL
0019,TRUMPET
0019,ORANGE
0020,TRUMPET
0020,CHERRY
0020,ORANGE
0020,GUM
Настоящие наборы данных — это миллионы записей, поэтому заранее извиняюсь за мой простой пример.
Проблема, которую мне нужно решить, заключается в объединении и сопоставлении данных таким образом, чтобы я мог видеть, какие группы элементов чаще всего появляются вместе с одним и тем же идентификатором. (например, ВИНОГРАД, ЖЕСТЬ, РАКУШКА встречаются вместе 340 раз, АПЕЛЬСИН и ПАЛКА 89 раз и т. д.)
Затем мне нужно посмотреть, есть ли какие-либо изменения/отклонения в общих результатах общего вида при группировке по ТЕМЕ.
Инструменты, с которыми я знаком, — это Excel и SQL, но в моем распоряжении также есть PowerBI и Alteryx.
Полное раскрытие: не домашнее задание или работа, а волонтерский проект, поэтому я не знаком с такого рода манипуляциями с данными.
Заранее спасибо.