しきい値（カットオフ）を決める
この演習では、この章を通して使用するレストラン情報の restaurants DataFrame を扱います。最終目標はレストランのレコメンドエンジンを作ることですが、その前にデータをきれいにする必要があります。
このバージョンの restaurants は複数の情報源から収集されており、cuisine_type 列には多数のタイプミスが含まれています。本来は italian、american、asian の3種類のみであるべきです。ユニークなカテゴリが非常に多いため、手作業でリマップするのは現実的ではありません。そこで文字列の類似度を使うのが最適です。
その前段として、各カテゴリでもっとも「離れた」タイプミスの類似度スコアを把握し、thefuzz の process.extract() 関数を用いて、類似度スコアのカットオフ値を決めていきます。
この演習はコースの一部です
Pythonで学ぶデータクリーニング
実践的なインタラクティブ演習
このサンプルコードを完成させて、この演習に挑戦してみましょう。
# Import process from thefuzz
____
# Store the unique values of cuisine_type in unique_types
unique_types = ____
# Calculate similarity of 'asian' to all values of unique_types
print(process.____('____', ____, limit = len(____)))
# Calculate similarity of 'american' to all values of unique_types
print(____('____', ____, ____))
# Calculate similarity of 'italian' to all values of unique_types
print(____)