Analysera saknade och unika värden
Som lageranalytiker i en dagligvaruhandel ska du bedöma datakvaliteten i ditt nya lagersystem. Innan du analyserar lagernivåer och prissättning behöver du kontrollera om det saknas data och verifiera produktkategoriseringen. Läs in lagerdata, granska varje kolumn för att se om den är komplett och analysera fördelningen av kategorier. Nedan visas ett urval av datan.
| Product_Name | Category | Date_Received | Stock_Quantity | Unit_Price |
|---|---|---|---|---|
| Bell Pepper | Fruits & Vegetables | 3/1/24 | 46 | 4.6 |
| Vegetable Oil | Oils & Fats | 4/1/24 | 51 | 2 |
| Parmesan Cheese | Dairy | 4/1/24 | 38 | 12 |
tablesaw-paketen har redan importerats åt dig.
Den här övningen är en del av kursen
Datarensning i Java
Övningsinstruktioner
- Extrahera kolumnen från
inventoryoch räkna antalet saknade värden i kolumnen. - Räkna förekomsterna i
inventoryuppdelat på unika kategorier.
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
public class GroceryDataQuality {
public static void main(String[] args) {
Table inventory = Table.read().csv("grocery_inventory.csv");
for (String colName : inventory.columnNames()) {
// Extract the column and count missing values in the column
int missing = inventory.____(colName).____();
System.out.println(colName + " missing values: " + missing);
}
// Count the inventory by unique categories
Table catCounts = ____.____("Category");
System.out.println("\nCategory distribution:");
System.out.println(catCounts);
}
}