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
Exercițiu interactiv practic
Transformă teoria în practică cu unul dintre exercițiile noastre interactive
Începe exercițiul