Vollständige Duplikate

Du wurdest darüber informiert, dass die Bikesharing-Datenpipeline aktualisiert wurde, um sie effizienter zu machen, aber dass dadurch wahrscheinlich mehr Duplikate entstehen. Um sicherzustellen, dass du weiterhin dieselben Skripte für deine wöchentlichen Analysen der Fahrstatistiken verwenden kannst, musst du zunächst sicherstellen, dass alle Duplikate im Datensatz entfernt werden.

Wenn mehrere Zeilen eines Datenrahmens für alle Spalten die gleichen Werte haben, sind sie vollständige Duplikate voneinander. Das Entfernen solcher Duplikate ist wichtig, denn wenn derselbe Wert mehrmals wiederholt wird, können sich zusammenfassende Statistiken wie der Mittelwert und der Median verändern. Jede Fahrt, auch die von ride_id, sollte einzigartig sein.

dplyr geladen ist und bike_share_rides verfügbar ist.

Diese Übung ist Teil des Kurses

Daten in R bereinigen

Anleitung zur Übung

Ermittelt die Gesamtzahl der vollständigen Duplikate in bike_share_rides.
Entferne alle vollständigen Duplikate aus bike_share_rides und speichere den neuen Datenrahmen als bike_share_rides_unique.
Ermittelt die Gesamtzahl der vollständigen Duplikate im neuen Datenrahmen bike_share_rides_unique.

Interaktive Übung zum Anfassen

Probieren Sie diese Übung aus, indem Sie diesen Beispielcode ausführen.

# Count the number of full duplicates
___

# Remove duplicates
bike_share_rides_unique <- ___

# Count the full duplicates in bike_share_rides_unique
___

Bearbeiten und Ausführen von Code

Diese Übung ist Teil des Kurses

Daten in R bereinigen

Mittlere SchwierigkeitSchwierigkeitsgrad

4.8+

Kurs kostenlos starten

In diesem Kapitel erfährst du, wie du einige der häufigsten Probleme mit schmutzigen Daten lösen kannst. Du konvertierst Datentypen, wendest Bereichsbeschränkungen an, um zukünftige Datenpunkte zu entfernen, und entfernst doppelte Datenpunkte, um Doppelzählungen zu vermeiden.

Exercise 1: Datentyp-Beschränkungen Exercise 2: Gemeinsame Datentypen Exercise 3: Datentypen umwandeln Exercise 4: Schnüre trimmen Exercise 5: Bereichseinschränkungen Exercise 6: Einschränkungen bei der Fahrtdauer Exercise 7: Zurück in die Zukunft Exercise 8: Einzigartigkeitsbeschränkungen Exercise 9: Vollständige Duplikate

Aktuelle Übung

Exercise 10: Entfernen von teilweisen Duplikaten Exercise 11: Teilweise Duplikate zusammenfassen

Kategoriale und Textdaten gehören oft zu den unübersichtlichsten Teilen eines Datensatzes, weil sie unstrukturiert sind. In diesem Kapitel erfährst du, wie du Unstimmigkeiten bei Leerzeichen und Großschreibung in Kategoriebeschriftungen behebst, mehrere Kategorien zu einer zusammenfasst und Zeichenketten neu formatierst, um die Konsistenz zu gewährleisten.

Exercise 1: Überprüfung der Mitgliedschaft Exercise 2: Nur für Mitglieder Exercise 3: Kein Mitglied Exercise 4: Probleme mit kategorischen Daten Exercise 5: Erkennen von Unstimmigkeiten Exercise 6: Korrektur von Unstimmigkeiten Exercise 7: Zusammenfallende Kategorien Exercise 8: Textdaten bereinigen Exercise 9: Erkennen von inkonsistenten Textdaten Exercise 10: Auswechseln und Entfernen Exercise 11: Ungültige Telefonnummern

In diesem Kapitel beschäftigst du dich mit fortgeschrittenen Datenbereinigungsproblemen, z. B. mit der Sicherstellung, dass alle Gewichte in Kilogramm statt in Pfund angegeben werden. Du erwirbst außerdem unschätzbare Fähigkeiten, mit denen du überprüfen kannst, ob die Werte korrekt hinzugefügt wurden und ob fehlende Werte deine Analysen nicht negativ beeinflussen.

Exercise 1: Einheitlichkeit Exercise 2: Datum Einheitlichkeit Exercise 3: Einheitlichkeit der Währung Exercise 4: Feldübergreifende Validierung Exercise 5: Summen validieren Exercise 6: Alter validieren Exercise 7: Vollständigkeit Exercise 8: Arten von Vermissen Exercise 9: Visualisierung fehlender Daten Exercise 10: Umgang mit fehlenden Daten

Die Datensatzverknüpfung ist eine leistungsstarke Technik, mit der mehrere Datensätze zusammengeführt werden können, wenn die Werte Tippfehler oder unterschiedliche Schreibweisen aufweisen. In diesem Kapitel lernst du, wie du Datensätze miteinander verknüpfst, indem du die Ähnlichkeit zwischen Zeichenketten berechnest - und dann deine neuen Kenntnisse einsetzt, um zwei Restaurantbewertungsdatensätze zu einem einzigen, sauberen Masterdatensatz zu verbinden.

Exercise 1: Zeichenketten vergleichen Exercise 2: Entfernung berechnen Exercise 3: Kleiner Abstand, kleiner Unterschied Exercise 4: Tippfehler mit String-Abstand korrigieren Exercise 5: Paare generieren und vergleichen Exercise 6: Verlinken oder mitmachen?Exercise 7: Blockieren von Paaren Exercise 8: Paare vergleichen Exercise 9: Punktevergabe und Verlinkung Exercise 10: Erst punkten, dann auswählen oder erst auswählen, dann punkten?Exercise 11: Zusammenstellen Exercise 12: Herzlichen Glückwunsch!