or
Este ejercicio forma parte del curso
En este capítulo aprenderás a resolver algunos de los problemas más comunes de datos sucios. Convertirás tipos de datos, aplicarás restricciones de rango para eliminar puntos de datos del futuro y quitarás duplicados para evitar contar dos veces.
Los datos categóricos y de texto suelen ser de las partes más desordenadas de un conjunto de datos por su naturaleza no estructurada. En este capítulo, aprenderás a corregir inconsistencias de espacios en blanco y mayúsculas en las etiquetas de categorías, a agrupar varias categorías en una y a reformatear cadenas para mantener la coherencia.
En este capítulo profundizarás en problemas de limpieza de datos más avanzados, como asegurarte de que los pesos estén todos en kilogramos en lugar de libras. También adquirirás habilidades valiosas que te ayudarán a verificar que los valores se han sumado correctamente y que los valores faltantes no afectan negativamente a tus análisis.
Ejercicio actual
El record linkage es una técnica potente para combinar varios conjuntos de datos cuando hay valores con erratas o diferentes grafías. En este capítulo, aprenderás a enlazar registros calculando la similitud entre cadenas; después pondrás en práctica tus nuevas habilidades para unir dos conjuntos de reseñas de restaurantes en un único conjunto maestro limpio.