Recorte de cuerdas

En el ejercicio anterior, pudo identificar el tipo de datos correcto y convertir user_birth_year al tipo correcto, lo que le permitió extraer recuentos que le dieron un poco más de información sobre el conjunto de datos.

Otro problema común de los datos sucios es tener bits extra como signos de porcentaje o puntos en los números, haciendo que se lean como characters. Para poder procesar estos números, hay que eliminar los bits adicionales y convertirlos de character a numeric. En este ejercicio, tendrá que convertir la columna duration de character a numeric, pero antes de que esto pueda suceder, es necesario eliminar la palabra "minutes" de cada valor.

dplyr, assertive, y stringr están cargados y bike_share_rides está disponible.

Este ejercicio forma parte del curso

Limpieza de datos en R

Instrucciones de ejercicio

Utilice str_remove() para eliminar "minutes" de la columna duration de bike_share_rides. Añádalo como una nueva columna llamada duration_trimmed.
Convierta la columna duration_trimmed a un tipo numérico y añádala como una nueva columna llamada duration_mins.
Eche un vistazo a bike_share_rides y afirme que la columna duration_mins es numeric.
Calcula la media de duration_mins.

Ejercicio interactivo práctico

Pruebe este ejercicio completando este código de muestra.

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
___

Editar y ejecutar código

Este ejercicio forma parte del curso

Limpieza de datos en R

IntermedioNivel de habilidad

4.8+

Comienza el curso gratis

En este capítulo, aprenderás a superar algunos de los problemas más comunes con los datos sucios. Convertirá tipos de datos, aplicará restricciones de rango para eliminar puntos de datos futuros y eliminará puntos de datos duplicados para evitar el doble recuento.

Exercise 1: Restricciones del tipo de datos Exercise 2: Tipos de datos comunes Exercise 3: Conversión de tipos de datos Exercise 4: Recorte de cuerdas

Ejercicio actual

Exercise 5: Restricciones de alcance Exercise 6: Limitaciones de la duración del viaje Exercise 7: Regreso al futuro Exercise 8: Restricciones de unicidad Exercise 9: Duplicados completos Exercise 10: Eliminar duplicados parciales Exercise 11: Agregación de duplicados parciales

Los datos categóricos y de texto suelen ser algunas de las partes más desordenadas de un conjunto de datos debido a su naturaleza no estructurada. En este capítulo, aprenderá a corregir las incoherencias de los espacios en blanco y las mayúsculas en las etiquetas de las categorías, a contraer varias categorías en una sola y a reformatear las cadenas para mantener la coherencia.

Exercise 1: Comprobación de la afiliación Exercise 2: Sólo para miembros Exercise 3: No es miembro Exercise 4: Problemas de datos categóricos Exercise 5: Identificación de incoherencias Exercise 6: Corregir la incoherencia Exercise 7: Colapso de categorías Exercise 8: Limpieza de datos de texto Exercise 9: Detección de datos de texto incoherentes Exercise 10: Sustitución y retirada Exercise 11: Números de teléfono no válidos

En este capítulo, se adentrará en problemas más avanzados de limpieza de datos, como asegurarse de que todos los pesos están escritos en kilogramos en lugar de libras. También adquirirá conocimientos muy valiosos que le ayudarán a verificar que los valores se han añadido correctamente y que los valores que faltan no afectan negativamente a sus análisis.

Exercise 1: Uniformidad Exercise 2: Uniformidad de fechas Exercise 3: Uniformidad monetaria Exercise 4: Validación cruzada Exercise 5: Validación de totales Exercise 6: Validar la edad Exercise 7: Integridad Exercise 8: Tipos de ausencia Exercise 9: Visualización de los datos que faltan Exercise 10: Tratamiento de los datos que faltan

La vinculación de registros es una potente técnica para fusionar varios conjuntos de datos, que se utiliza cuando los valores tienen errores tipográficos o diferente ortografía. En este capítulo, aprenderá a vincular registros mediante el cálculo de la similitud entre cadenas y, a continuación, utilizará sus nuevos conocimientos para unir dos conjuntos de datos de reseñas de restaurantes en un conjunto de datos maestro limpio.

Exercise 1: Comparación de cadenas Exercise 2: Calcular la distancia Exercise 3: Pequeña distancia, pequeña diferencia Exercise 4: Corrección de errores tipográficos con la distancia entre cadenas Exercise 5: Generar y comparar pares Exercise 6: ¿Enlazar o unirse?Exercise 7: Bloqueo de pares Exercise 8: Comparación de pares Exercise 9: Puntuación y enlace Exercise 10: ¿Marcar y luego seleccionar o seleccionar y luego marcar?Exercise 11: Montaje Exercise 12: ¡Enhorabuena!