Non è un membro

Ora che hai fatto pratica nell'identificare i problemi di vincoli di appartenenza, è il momento di risolverli in un nuovo insieme di dati. In tutto questo capitolo lavorerai con un insieme di dati chiamato sfo_survey, che contiene le risposte a un sondaggio di passeggeri in partenza dall'aeroporto internazionale di San Francisco (SFO). Ai partecipanti sono state poste domande sulla pulizia dell'aeroporto, i tempi di attesa, la sicurezza e la soddisfazione generale.

Durante la raccolta dei dati si sono verificati alcuni problemi che hanno introdotto delle incoerenze. In questo esercizio, lavorerai con la colonna dest_size, che categorizza la dimensione dell'aeroporto di destinazione verso cui volavano i passeggeri. È disponibile un data frame chiamato dest_sizes che contiene tutte le dimensioni di destinazione possibili. La tua missione è trovare le righe con dest_size non valide e rimuoverle dal data frame.

dplyr è stato caricato e sfo_survey e dest_sizes 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.

# Count the number of occurrences of dest_size
sfo_survey %>%
  count(___)

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: Verificare l'appartenenza Exercise 2: Solo per membri Exercise 3: Non è un membro

Esercizio in corso

Exercise 4: Problemi con i dati categorici Exercise 5: Individuare le incoerenze Exercise 6: Correggere le incoerenze Exercise 7: Unire categorie Exercise 8: Pulire i dati testuali Exercise 9: Rilevare dati testuali incoerenti Exercise 10: Sostituire e rimuovere Exercise 11: Numeri di telefono non validi

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: Uniformity Exercise 2: Date uniformity Exercise 3: Currency uniformity Exercise 4: Cross field validation Exercise 5: Validating totals Exercise 6: Validating age Exercise 7: Completeness Exercise 8: Types of missingness Exercise 9: Visualizing missing data Exercise 10: Treating missing data

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!