Duplicados completos

Te han avisado de que se ha actualizado el pipeline de datos de bike sharing para hacerlo más eficiente, pero que es más probable que se generen duplicados como consecuencia. Para poder seguir usando los mismos scripts en tus análisis semanales de estadísticas de trayectos, primero tendrás que asegurarte de eliminar cualquier duplicado del conjunto de datos.

Cuando varias filas de un data frame comparten los mismos valores en todas las columnas, son duplicados completos entre sí. Eliminar este tipo de duplicados es importante, porque tener el mismo valor repetido varias veces puede alterar estadísticas de resumen como la media y la mediana. Cada trayecto, incluido su ride_id, debe ser único.

dplyr está cargado y bike_share_rides está disponible.

Este ejercicio forma parte del curso

Limpieza de datos en R

Instrucciones del ejercicio

Obtén el número total de duplicados completos en bike_share_rides.
Elimina todos los duplicados completos de bike_share_rides y guarda el nuevo data frame como bike_share_rides_unique.
Obtén el número total de duplicados completos en el nuevo data frame bike_share_rides_unique.

ejercicio interactivo práctico

Prueba este ejercicio completando este código de ejemplo.

# Count the number of full duplicates
___

# Remove duplicates
bike_share_rides_unique <- ___

# Count the full duplicates in bike_share_rides_unique
___

Editar y ejecutar código

Este ejercicio forma parte del curso

Limpieza de datos en R

IntermedioNivel de habilidad

4.8+

Empieza el curso gratis

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 futuros y quitarás datos duplicados para evitar dobles conteos.

Exercise 1: Restricciones de tipo de datos Exercise 2: Tipos de datos comunes Exercise 3: Convertir tipos de datos Exercise 4: Recortar cadenas Exercise 5: Restricciones de rango Exercise 6: Restricciones de duración del viaje Exercise 7: Regreso al futuro Exercise 8: Restricciones de unicidad Exercise 9: Duplicados completos

Ejercicio actual

Exercise 10: Eliminar duplicados parciales Exercise 11: Agregar duplicados parciales

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 combinar varias categorías en una y a reformatear cadenas para mantener la coherencia.

Exercise 1: Comprobar pertenencia Exercise 2: Solo para miembros Exercise 3: No es miembro Exercise 4: Problemas con los datos categóricos Exercise 5: Identificar incoherencias Exercise 6: Corregir incoherencias Exercise 7: Agrupar categorías Exercise 8: Limpieza de datos de texto Exercise 9: Detección de datos de texto inconsistentes Exercise 10: Sustituir y eliminar Exercise 11: Números de teléfono no válidos

En este capítulo, profundizarás en problemas de limpieza de datos más avanzados, como asegurarte de que todos los pesos estén en kilogramos en lugar de libras. Además, adquirirás habilidades clave para verificar que los valores se han añadido correctamente y que los valores ausentes no afecten negativamente a tus análisis.

Exercise 1: Uniformidad Exercise 2: Uniformidad de fechas Exercise 3: Uniformidad de moneda Exercise 4: Validación entre campos Exercise 5: Validación de totales Exercise 6: Validación de la edad Exercise 7: Completitud Exercise 8: Tipos de ausencia de datos Exercise 9: Visualización de datos faltantes Exercise 10: Tratamiento de datos faltantes

El record linkage es una técnica potente para fusionar varios conjuntos de datos cuando los valores tienen erratas u ortografías distintas. En este capítulo, aprenderás a vincular registros calculando la similitud entre cadenas; después usarás estas nuevas habilidades para unir dos conjuntos de datos de reseñas de restaurantes en un único conjunto maestro limpio.

Exercise 1: Comparar cadenas Exercise 2: Calcular la distancia Exercise 3: Distancia pequeña, diferencia pequeña Exercise 4: Corregir errores tipográficos con distancia de cadenas Exercise 5: Generar y comparar pares Exercise 6: ¿Record linkage o join?Exercise 7: Bloqueo por pares Exercise 8: Comparar pares Exercise 9: Puntuación y enlace Exercise 10: ¿Primero puntuar y luego seleccionar, o primero seleccionar y luego puntuar?Exercise 11: Uniéndolo todo Exercise 12: ¡Enhorabuena!