Problém s daty v pipeline
Po vytvoření rychlé pipeline předáš JSON soubor analytikovi ve svém týmu. Po načtení dat a pár průzkumných operacích tě analytik upozorní na problém v datasetu – konkrétně při pokusu o seřazení dat podle doby trvání. Není si jistý, v čem přesně tkví chyba, jen ví, že řazení nefunguje podle očekávání.
Date Flight Number Airport Duration ID
09/30/2015 2287 ANC 409 107962
12/28/2015 1408 OKC 41 141917
08/11/2015 2287 ANC 410 87978
Po analýze dat – který příkaz by problém vyřešil?
Toto cvičení je součástí kurzu
Cleaning Data with PySpark
Interaktivní praktické cvičení
Proměňte teorii v praxi s jedním z našich interaktivních cvičení
Začít cvičení