ÎncepețiÎncepe gratuit

Problemă de date în pipeline

După ce ai creat rapid pipeline-ul, furnizezi fișierul JSON unui analist din echipa ta. După ce încarcă datele și realizează câteva explorări, analistul îți spune că există o problemă în set de date atunci când încearcă să sorteze datele privind durata. Nu știe exact care este problema, în afară de faptul că operațiunea de sortare nu funcționează cum se așteaptă.

Date          Flight Number   Airport     Duration    ID

09/30/2015    2287            ANC         409         107962
12/28/2015    1408            OKC         41          141917
08/11/2015    2287            ANC         410         87978

După ce analizezi datele, care comandă ar rezolva problema?

Acest exercițiu face parte din cursul

Curățarea datelor cu PySpark

Vezi cursul

Exercițiu interactiv practic

Transformă teoria în practică cu unul dintre exercițiile noastre interactive

Începe exercițiul