Uniformità della valuta

Ora che le date sono a posto, devi correggere eventuali differenze di unità di misura. Quando crei il primo grafico dei dati, noterai un gruppo di valori molto alti e un gruppo di valori relativamente più bassi. La banca ha due sedi diverse, una a New York e una a Tokyo, quindi sospetti che i conti gestiti dalla sede di Tokyo siano in yen giapponesi invece che in dollari statunitensi. Per fortuna, hai un data frame chiamato account_offices che indica quale sede gestisce il conto di ogni cliente, quindi puoi usare queste informazioni per capire quali total vanno convertiti da yen a dollari.

La formula per convertire da yen a dollari è USD = JPY / 104.

dplyr e ggplot2 sono già caricati e i data frame accounts e account_offices sono disponibili.

Questo esercizio fa parte del corso

Pulizia dei dati in R

Visualizza il corso

Esercizio pratico interattivo

Prova a risolvere questo esercizio completando il codice di esempio.

# Scatter plot of opening date and total amount
accounts %>%
  ggplot(aes(x = ___, y = ___)) +
  ___

Modifica ed esegui il codice

Questo esercizio fa parte del corso

Pulizia dei dati in R

IntermediárioNível de habilidade

4.8+

Inizia il corso gratis

In this chapter, you'll learn how to overcome some of the most common dirty data problems. You'll convert data types, apply range constraints to remove future data points, and remove duplicated data points to avoid double-counting.

Exercise 1: Data type constraints Exercise 2: Common data types Exercise 3: Converting data types Exercise 4: Trimming strings Exercise 5: Range constraints Exercise 6: Ride duration constraints Exercise 7: Back to the future Exercise 8: Uniqueness constraints Exercise 9: Full duplicates Exercise 10: Removing partial duplicates Exercise 11: Aggregating partial duplicates

Categorical and text data can often be some of the messiest parts of a dataset due to their unstructured nature. In this chapter, you’ll learn how to fix whitespace and capitalization inconsistencies in category labels, collapse multiple categories into one, and reformat strings for consistency.

Exercise 1: Checking membership Exercise 2: Members only Exercise 3: Not a member Exercise 4: Categorical data problems Exercise 5: Identifying inconsistency Exercise 6: Correcting inconsistency Exercise 7: Collapsing categories Exercise 8: Cleaning text data Exercise 9: Detecting inconsistent text data Exercise 10: Replacing and removing Exercise 11: Invalid phone numbers

In this chapter, you’ll dive into more advanced data cleaning problems, such as ensuring that weights are all written in kilograms instead of pounds. You’ll also gain invaluable skills that will help you verify that values have been added correctly and that missing values don’t negatively impact your analyses.

Exercise 1: Uniformità Exercise 2: Uniformità delle date Exercise 3: Uniformità della valuta

Esercizio in corso

Exercise 4: Convalida tra campi Exercise 5: Convalidare i totali Exercise 6: Convalidare l’età Exercise 7: Completezza Exercise 8: Tipi di mancanza Exercise 9: Visualizzare i valori mancanti Exercise 10: Gestione dei dati mancanti

Record linkage is a powerful technique used to merge multiple datasets together, used when values have typos or different spellings. In this chapter, you'll learn how to link records by calculating the similarity between strings—you’ll then use your new skills to join two restaurant review datasets into one clean master dataset.

Exercise 1: Comparing strings Exercise 2: Calculating distance Exercise 3: Small distance, small difference Exercise 4: Fixing typos with string distance Exercise 5: Generating and comparing pairs Exercise 6: Link or join?Exercise 7: Pair blocking Exercise 8: Comparing pairs Exercise 9: Scoring and linking Exercise 10: Score then select or select then score?Exercise 11: Putting it together Exercise 12: Congratulations!