レストランのペア
前のレッスンでは、レストラン推薦エンジンの構築に向けて restaurants データセットをクリーニングしました。今回は、新しいデータソースからスクレイピングした新しいレストランのデータを含む restaurants_new という DataFrame が用意されています。これをモデルの学習データとして使用します。
cuisine_type 列と city 列については、コースで学んだ手法を使ってすでにクリーニング済みです。ただし、レストラン名にタイポを含む重複が見つかりました。このような場合、restaurants との単純な結合ではなく、レコードリンケージが必要です。
この演習では、レコードリンケージの最初のステップとして、restaurants と restaurants_new の行の候補ペアを生成します。pandas と recordlinkage はどちらも環境内にあります。
この演習はコースの一部です
Pythonによる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。
# Create an indexer and object and find possible pairs
indexer = ____
# Block pairing on cuisine_type
indexer.____(____)
# Generate pairs
pairs = indexer.____(____, ____)