ÎncepețiÎncepe gratuit

Corectarea inconsistențelor

Acum că ai identificat că dest_size are inconsistențe legate de spații albe, iar cleanliness are inconsistențe de capitalizare, vei folosi instrumentele disponibile pentru a corecta valorile inconsistente din sfo_survey, în loc să elimini acele înregistrări. Eliminarea datelor ar putea introduce bias în setul tău de date dacă mai mult de 5% dintre înregistrări trebuie șterse.

dplyr și stringr sunt încărcate, iar sfo_survey este disponibil.

Acest exercițiu face parte din cursul

Curățarea datelor în R

Vezi cursul

Instrucțiuni pentru exercițiu

  • Adaugă o coloană în sfo_survey numită dest_size_trimmed, care să conțină valorile din coloana dest_size cu toate spațiile albe de la început și de la sfârșit eliminate.
  • Adaugă o altă coloană numită cleanliness_lower, care să conțină valorile din coloana cleanliness convertite la litere mici.
  • Numără aparițiile fiecărei categorii din dest_size_trimmed.
  • Numără aparițiile fiecărei categorii din cleanliness_lower.

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

# Add new columns to sfo_survey
sfo_survey <- sfo_survey %>%
  # dest_size_trimmed: dest_size without whitespace
  mutate(dest_size_trimmed = ___,
         # cleanliness_lower: cleanliness converted to lowercase
         cleanliness_lower = ___)

# Count values of dest_size_trimmed
sfo_survey %>%
  ___

# Count values of cleanliness_lower
sfo_survey %>%
  ___
Editează și rulează codul