Eliminarea titlurilor și păstrarea numelor

În timp ce se colectau metadatele respondenților unui sondaj în DataFrame-ul airlines, numele complet al acestora a fost salvat în coloana full_name. La o inspecție mai atentă, ai observat că multe dintre nume sunt prefixate de titluri onorifice precum "Dr.", "Mr.", "Ms." și "Miss".

Obiectivul tău final este să creezi două coloane noi, numite first_name și last_name, care să conțină prenumele și respectiv numele de familie ale respondenților. Înainte de asta, trebuie să elimini titlurile onorifice.

DataFrame-ul airlines se află în mediul tău de lucru, împreună cu pandas importat ca pd.

Acest exercițiu face parte din cursul

Curățarea datelor în Python

Instrucțiuni pentru exercițiu

Elimină "Dr.", "Mr.", "Miss" și "Ms." din full_name înlocuindu-le cu un șir gol "", în această ordine.
Rulează instrucțiunea assert folosind .str.contains() pentru a verifica dacă full_name mai conține vreunul dintre titlurile onorifice.

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

# Replace "Dr." with empty string ""
airlines['full_name'] = airlines['full_name'].____.____("____","")

# Replace "Mr." with empty string ""
airlines['full_name'] = ____

# Replace "Miss" with empty string ""
____

# Replace "Ms." with empty string ""
____

# Assert that full_name has no honorifics
assert airlines['full_name'].str.contains('Ms.|Mr.|Miss|Dr.').any() == False

Editează și rulează codul

Acest exercițiu face parte din cursul

Curățarea datelor în Python

SkillTag.level.intermediateSkillTag.label

4.8+

Începe cursul gratuit

În acest capitol vei învăța cum să depășești unele dintre cele mai frecvente probleme ale datelor murdare. Vei converti tipuri de date, vei aplica constrângeri de interval pentru a elimina puncte de date din viitor și vei elimina duplicatele pentru a evita dubla contorizare.

Exercise 1: Constrângeri privind tipurile de date Exercise 2: Tipuri comune de date Exercise 3: Date numerice sau ... ?Exercise 4: Adunarea șirurilor și concatenarea numerelor Exercise 5: Constrângeri de interval pentru date Exercise 6: Constrângeri privind dimensiunea anvelopelor Exercise 7: Înapoi în viitor Exercise 8: Constrângeri de unicitate Exercise 9: Cât de mare este subsetul tău?Exercise 10: Găsirea duplicatelor Exercise 11: Tratarea duplicatelor

Datele categoriale și cele text pot fi unele dintre cele mai dezordonate părți ale unui set de date, din cauza naturii lor nestructurate. În acest capitol vei învăța cum să corectezi inconsistențele de spațiere și de majuscule din etichetele categoriilor, să grupezi mai multe categorii într-una singură și să reformatezi șirurile de caractere pentru consistență.

Exercise 1: Restricții de apartenență Exercise 2: Doar pentru membri Exercise 3: Găsirea inconsistențelor Exercise 4: Variabile categorice Exercise 5: Categorii de erori Exercise 6: Categorii inconsistente Exercise 7: Remaparea categoriilor Exercise 8: Curățarea datelor text Exercise 9: Eliminarea titlurilor și păstrarea numelor

Exercițiul curent

Exercise 10: Răspunsuri detaliate

În acest capitol vei aborda probleme mai avansate de curățare a datelor, cum ar fi verificarea că greutățile sunt exprimate în kilograme, nu în livre. Vei dobândi, de asemenea, abilități valoroase care te vor ajuta să verifici că valorile au fost adăugate corect și că valorile lipsă nu afectează negativ analizele tale.

Exercise 1: Uniformitate Exercise 2: Date ambigue Exercise 3: Monede uniforme Exercise 4: Date uniforme Exercise 5: Validarea încrucișată a câmpurilor Exercise 6: Validare încrucișată sau nu?Exercise 7: Cât de integre sunt datele noastre?Exercise 8: Completitudine Exercise 9: Lipsesc la întâmplare?Exercise 10: Investitori lipsă Exercise 11: Urmărește banii

Legătura între înregistrări este o tehnică puternică folosită pentru a îmbina mai multe seturi de date, utilă atunci când valorile conțin greșeli de scriere sau variante ortografice diferite. În acest capitol vei învăța cum să legi înregistrările calculând similaritatea dintre șiruri de caractere – apoi vei folosi noile abilități pentru a uni două seturi de date cu recenzii de restaurante într-un set de date principal, curat.

Exercise 1: Compararea șirurilor de caractere Exercise 2: Distanța minimă de editare Exercise 3: Pragul de similitudine Exercise 4: Remaparea categoriilor II Exercise 5: Generarea perechilor Exercise 6: Să legi sau să nu legi?Exercise 7: Perechi de restaurante Exercise 8: Restaurante similare Exercise 9: Legarea DataFrame-urilor Exercise 10: Alegerea indexului corect Exercise 11: Hai să le unim!Exercise 12: Felicitări!