Začněte nyníZačněte zdarma

Ořezávání řetězců

V předchozím cvičení sis dokázal/a určit správný datový typ a převést sloupec user_birth_year na správný typ – to ti umožnilo získat počty, které ti přinesly zajímavější pohled na dataset.

Dalším běžným problémem s nečistými daty je přítomnost nadbytečných znaků, jako jsou procenta nebo tečky v číslech, kvůli kterým jsou tato čísla načtena jako character. Aby bylo možné s těmito čísly pracovat, musíš nadbytečné znaky odstranit a čísla převést z typu character na numeric. V tomto cvičení budeš potřebovat převést sloupec duration z typu character na numeric, ale nejprve je nutné z každé hodnoty odstranit slovo "minutes".

Balíčky dplyr, assertive a stringr jsou načtené a dataset bike_share_rides je k dispozici.

Toto cvičení je součástí kurzu

Čištění dat v R

Zobrazit kurz

Pokyny k cvičení

  • Pomocí funkce str_remove() odstraň "minutes" ze sloupce duration v datasetu bike_share_rides. Výsledek ulož jako nový sloupec s názvem duration_trimmed.
  • Převeď sloupec duration_trimmed na číselný typ a výsledek ulož jako nový sloupec s názvem duration_mins.
  • Prohlédni si strukturu datasetu bike_share_rides pomocí glimpse a ověř, že sloupec duration_mins je typu numeric.
  • Vypočítej průměr sloupce duration_mins.

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

bike_share_rides <- bike_share_rides %>%
  # Remove 'minutes' from duration: duration_trimmed
  mutate(duration_trimmed = ___,
         # Convert duration_trimmed to numeric: duration_mins
         duration_mins = ___)

# Glimpse at bike_share_rides
___

# Assert duration_mins is numeric
___

# Calculate mean duration
___
Upravit a spustit kód