Unim forțele

Caracteristicile necesare modelelor pe care urmează să le rulezi se află în setul de date timbre, însă variabila de răspuns – anul – se găsește în setul de date track_metadata. Înainte de a rula modelul, va trebui să unești aceste două seturi de date. Deoarece fiecare rând dintr-un set corespunde exact unui rând din celălalt, vei folosi un inner join.

Mai ai o operație de curățare a datelor de efectuat. Coloana year conține numere întregi, dar funcțiile de modelare din Spark necesită numere reale. Va trebui să convertești coloana year la tipul numeric.

Acest exercițiu face parte din cursul

Introducere în Spark cu sparklyr în R

Vezi cursul

Instrucțiuni pentru exercițiu

O conexiune Spark a fost creată pentru tine sub numele spark_conn. Tibble-urile atașate la metadatele pistelor și la datele de timbru stocate în Spark au fost predefinite ca track_metadata_tbl, respectiv timbre_tbl.

Realizează un inner join între metadatele pistelor și datele de timbru după coloana track_id.
Convertește coloana year la tipul numeric.

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

# track_metadata_tbl, timbre_tbl pre-defined
track_metadata_tbl
timbre_tbl

track_metadata_tbl %>%
  # Inner join to timbre_tbl
  ___ %>%
  # Convert year to numeric
  ___

Editează și rulează codul