Mappa om kategorier II

I förra övningen kom du fram till att gränsvärdet för likhet vid ommappning av stavfel i kökstypen 'american', 'asian' och 'italian' i kolumnen cuisine_type bör vara 80.

I den här övningen sätter du ihop allt: du hittar träffar med likhetspoäng på 80 eller högre med hjälp av funktionen extract() från fuzywuzzy.process, för varje korrekt kökstyp, och ersätter dessa träffar med rätt värde. Kom ihåg att när du jämför en sträng med en array av strängar via process.extract() är utdatan en lista med tupler, där varje tupel är formaterad så här:

(närmaste träff, likhetspoäng, träffens index)

DataFrame:n restaurants finns i din miljö, och du har tillgång till en lista categories som innehåller de korrekta kökstyperna ('italian', 'asian' och 'american').

Den här övningen är en del av kursen

Datarensning i Python

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# Inspect the unique values of the cuisine_type column
print(____)

Redigera och kör kod

Den här övningen är en del av kursen

Datarensning i Python

SkillTag.level.intermediateSkillTag.label

4.8+

Starta kursen gratis

I det här kapitlet lär du dig att hantera några av de vanligaste problemen med smutsiga data. Du konverterar datatyper, tillämpar intervallbegränsningar för att ta bort framtida datapunkter och tar bort duplicerade datapunkter för att undvika dubbelräkning.

Exercise 1: Datatypsbegränsningar Exercise 2: Vanliga datatyper Exercise 3: Numerisk data eller ... ?Exercise 4: Summera strängar och konkatenera tal Exercise 5: Begränsningar för dataomfång Exercise 6: Begränsningar för däckstorlek Exercise 7: Tillbaka till framtiden Exercise 8: Unikhetsbegränsningar Exercise 9: Hur stor är din delmängd?Exercise 10: Hitta dubbletter Exercise 11: Hantera dubbletter

Kategori- och textdata kan ofta vara de mest ostrukturerade delarna av en datamängd. I det här kapitlet lär du dig att åtgärda inkonsekvent blanksteg och versalisering i kategorietiketter, slå samman flera kategorier till en och formatera om strängar för konsekvens.

Exercise 1: Tillhörighetsbegränsningar Exercise 2: Endast för medlemmar Exercise 3: Hitta inkonsistenser Exercise 4: Kategoriska variabler Exercise 5: Typer av fel Exercise 6: Inkonsekventa kategorier Exercise 7: Mappa om kategorier Exercise 8: Rensa textdata Exercise 9: Ta bort titlar och arbeta med namn Exercise 10: Filtrera på svarslängd

I det här kapitlet går du djupare in på avancerade datarensningsproblem, till exempel att säkerställa att vikter anges i kilogram i stället för pund. Du utvecklar också värdefulla färdigheter som hjälper dig att verifiera att värden har lagts till korrekt och att saknade värden inte påverkar dina analyser negativt.

Exercise 1: Enhetlighet Exercise 2: Tvetydiga datum Exercise 3: Enhetlig valuta Exercise 4: Enhetliga datum Exercise 5: Korsvalidering av fält Exercise 6: Korsvalidering eller inte?Exercise 7: Hur är vår dataintegritet?Exercise 8: Fullständighet Exercise 9: Saknas det slumpmässigt?Exercise 10: Saknade investerare Exercise 11: Följ pengarna

Postlänkning är en kraftfull teknik för att slå samman flera datamängder, särskilt när värden innehåller stavfel eller varianter av samma stavning. I det här kapitlet lär du dig att länka poster genom att beräkna likheten mellan strängar – sedan använder du dina nya kunskaper för att slå samman två restaurangrecensiondatamängder till en ren masterdatamängd.

Exercise 1: Jämföra strängar Exercise 2: Minsta redigeringsavstånd Exercise 3: Tröskelvärdet Exercise 4: Mappa om kategorier II

Aktuell övning

Exercise 5: Generera par Exercise 6: Länka eller inte länka?Exercise 7: Par av restauranger Exercise 8: Liknande restauranger Exercise 9: Länka DataFrames Exercise 10: Hitta rätt index Exercise 11: Länka ihop dem!Exercise 12: Grattis!