Power Query 功能（如 模糊合并、 群集值和 模糊分组 ）使用与模糊匹配相同的机制。
本文介绍了许多方案，演示如何利用模糊匹配具有的选项，目的是明确“模糊”。
注释
尽管群集值选项仅在 Power Query Online 中可用，但本节中显示的机制也适用于模糊合并和模糊分组。
调整相似性阈值
应用模糊匹配算法的最佳方案是，当列中的所有文本字符串仅包含需要比较的字符串，并且没有额外的组件时。 例如，与与比较相比，与Apples4ppl3s生成相似性分数相比ApplesMy favorite fruit, by far, is Apples. I simply love them!更高。
由于第二个字符串中的单词 Apples 只是整个文本字符串的一小部分，因此该比较会产生较低的相似性分数。
例如，以下数据集包含来自只有一个问题的调查的回复-“你最喜欢的水果是什么？”
| 水果 |
|---|
| 蓝 莓 |
| 蓝色浆果只是最好的 |
| 草莓 |
| 草莓 = <3 |
| 苹果 |
| 'sples |
| 4ppl3s |
| 香蕉 |
| fav 水果是香蕉 |
| 巴纳斯 |
| 到目前为止，我最喜欢的水果是苹果。 我只是爱他们！ |
调查提供了一个用于输入值且没有验证的单个文本框。
现在，你的任务是聚类分析这些值。 若要执行该任务，请将上一个水果表加载到 Power Query 中，选择该列，然后在功能区中的“添加列”选项卡中选择“群集值”选项。
此时会显示 “群集值 ”对话框，可在其中指定新列的名称。 将此新列命名为 “群集 ”，然后选择“ 确定”。
默认情况下，Power Query 使用相似性阈值 0.8（或 80%）。 最小值为 0.00 会导致具有任何相似性的所有值相互匹配，最大值为 1.00 只允许完全匹配。 模糊的“完全匹配”可能会忽略大小写、单词顺序和标点符号等差异。 上一个作的结果生成下表，其中包含新的 群集 列。
完成聚类分析后，不会提供所有行的预期结果。 行号 2 （2） 仍具有值Blue berries are simply the best，但它应聚集到Blueberries，与文本字符串Strawberries = <3fav fruit is bananas类似，以及My favorite fruit, by far, is Apples. I simply love them!。
若要确定导致此聚类分析的原因，请在“已应用的步骤”面板中双击“聚集”值，以返回“群集值”对话框。 在此对话框中，展开 模糊群集选项。 启用 “显示相似性分数 ”选项，然后选择“ 确定”。
启用 “显示相似性分数 ”选项会在表中创建新列。 此列显示定义的群集与原始值之间的精确相似性分数。
仔细检查后，Power Query 在文本字符串Blue berries are simply the best、Strawberries = <3和fav fruit is bananasMy favorite fruit, by far, is Apples. I simply love them!的相似性阈值中找不到任何其他值。
在“已应用的步骤”面板中双击“聚集值”，再次返回到“群集值”对话框。 将 相似性阈值 从 0.8 更改为 0.6，然后选择“ 确定”。
此更改使你更接近要查找的结果，但文本字符串 My favorite fruit, by far, is Apples. I simply love them!除外。 将 相似性阈值 从 0.8 更改为 0.6 时，Power Query 现在能够使用从 0.6 开始到 1 的相似性分数的值。
注释
Power Query 始终使用最接近阈值的值来定义群集。 该阈值定义可接受的相似性分数的下限，该分数可以分配给群集。
可以通过将 相似性分数 从 0.6 更改为较低的数字来重试，直到获得要查找的结果。 在这种情况下，将 相似性分数 更改为 0.5。 此更改将生成你期望的确切结果，其中文本字符串 My favorite fruit, by far, is Apples. I simply love them! 现在分配给群集 Apples。
注释
目前，只有 Power Query Online 中的 群集值 功能提供具有相似性分数的新列。
转换表的特殊注意事项
转换表有助于在执行模糊匹配算法之前将值从列映射到新值。
有关如何使用转换表的一些示例：
重要
使用转换表时，转换表中的值的最大相似性分数为 0.95。 这种故意的 0.05 惩罚是区分原始值与此类列相比的值不等于自转换发生以来的值。
如果首先想要映射值，然后执行模糊匹配而不执行 0.05 惩罚的情况，建议替换列中的值，然后执行模糊匹配。