Zacznij terazZacznij za darmo

Agregowanie częściowych duplikatów

Innym sposobem radzenia sobie z częściowymi duplikatami jest obliczenie statystyki podsumowującej dla wartości, które się między nimi różnią – na przykład średniej, mediany, maksimum lub minimum. Przydaje się to, gdy nie masz pewności, jak zostały zebrane dane i zależy ci na wartości uśrednionej, albo gdy – na podstawie wiedzy dziedzinowej – wolisz zawyżone szacunki niż zaniżone (lub odwrotnie).

Biblioteka dplyr jest załadowana, a zbiór danych bike_share_rides jest dostępny.

To ćwiczenie jest częścią kursu

Czyszczenie danych w R

Zobacz kurs

Instrukcje do ćwiczenia

  • Zgrupuj zbiór danych bike_share_rides według kolumn ride_id i date.
  • Dodaj kolumnę o nazwie duration_min_avg, która będzie zawierać średni czas przejazdu dla danego ride_id i date.
  • Usuń duplikaty na podstawie kolumn ride_id i date, zachowując wszystkie kolumny ramki danych.
  • Usuń kolumnę duration_min.

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

bike_share_rides %>%
  # Group by ride_id and date
  ___ %>%
  # Add duration_min_avg column
  mutate(duration_min_avg = ___ ) %>%
  # Remove duplicates based on ride_id and date, keep all cols
  ___ %>%
  # Remove duration_min column
  ___(-___)
Edytuj i uruchom kod