Come together
Les caractéristiques des modèles que vous êtes sur le point d'exécuter se trouvent dans l'ensemble de données timbre, tandis que la variable réponse — l'année — se trouve dans l'ensemble de données track_metadata. Avant d'exécuter le modèle, vous devrez regrouper ces deux ensembles de données. Dans ce cas, il y a une correspondance un à un entre les lignes des deux ensembles, donc vous avez besoin d'une jointure interne.
Il reste une autre étape de nettoyage des données. La colonne year contient des entiers, mais les fonctions de modélisation de Spark exigent des nombres réels. Vous devez convertir la colonne year en numeric.
Cette activité fait partie du cours
Introduction à Spark avec sparklyr en R
Instructions de l’exercice
Une connexion Spark a été créée pour vous sous le nom spark_conn. Les tibbles liés aux métadonnées des pistes et aux données de timbre stockées dans Spark ont été prédéfinis comme track_metadata_tbl et timbre_tbl respectivement.
- Effectuez une jointure interne des métadonnées des pistes avec les données de timbre par la colonne
track_id. - Convertissez la colonne
yearennumeric.
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
# track_metadata_tbl, timbre_tbl pre-defined
track_metadata_tbl
timbre_tbl
track_metadata_tbl %>%
# Inner join to timbre_tbl
___ %>%
# Convert year to numeric
___