Začněte nyníZačněte zdarma

Čištění a obohacení dat

Společnost TechCorp přechází na nový HR systém. Dataset je potřeba nejdříve vyčistit: odstraň odlehlé hodnoty nízkých platů, které naznačují chyby při zadávání dat, vyradi sloupce, které nový systém nevyužije, a přidej vypočítané pole s výší bonusu. Čištění dat typicky zabere 80 % celkového času analýzy – tyto dovednosti se ti budou hodit neustále.

Třídy Table, Selection a DoubleColumn jsou již naimportovány.

Toto cvičení je součástí kurzu

Importing Data in Java

Zobrazit kurz

Pokyny k cvičení

  • Odstraň zaměstnance s platem nižším než 40 000 $.
  • Odstraň sloupec "JobTitle".
  • Přidej sloupec PerformanceBonus (5 % z platu).

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

public class DataExploration {
	public static void main(String[] args) {

        Table employees = Table.read().csv("employees.csv");

        // Remove employees with salaries below $40,000
        Selection lowSalaries = employees.intColumn("Salary").isLessThan(____);
        Table cleanedEmployees = employees.____(lowSalaries);

        // Remove the JobTitle column
        Table streamlined = cleanedEmployees.____("JobTitle");

        DoubleColumn performanceBonus = streamlined.intColumn("Salary").asDoubleColumn()
            .map(salary -> salary * 0.05);
        performanceBonus.setName("PerformanceBonus");

        // Add the PerformanceBonus column
        Table enhancedEmployees = streamlined.____(performanceBonus);

        System.out.println("Total employees after cleaning: " + enhancedEmployees.rowCount());
        System.out.println("\nFirst 5 rows of enhanced dataset:");
        System.out.println(enhancedEmployees.first(5));
	}
}
Upravit a spustit kód