Validera ålder

Nu när du har hittat vissa inkonsistenser i total-beloppen misstänker du att det även kan finnas inkonsistenser i kolumnen acct_age, och du vill undersöka om dessa inkonsistenser hänger ihop. Med hjälp av de färdigheter du lärde dig i videoövningen ska du validera åldern för varje konto och se om raderna med inkonsistenta acct_age-värden är samma som hade inkonsistenta total-värden.

dplyr och lubridate är inlästa, och accounts är tillgänglig.

Den här övningen är en del av kursen

Datarensning i R

Övningsinstruktioner

Skapa en ny kolumn med namnet theoretical_age som innehåller åldern för varje konto baserat på date_opened.
Hitta de konton där acct_age inte stämmer överens med theoretical_age.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# Find invalid acct_age
accounts %>%
  # theoretical_age: age of acct based on date_opened
  mutate(theoretical_age = ___) %>%
  # Filter for rows where acct_age is different from theoretical_age
  ___

Redigera och kör kod

Den här övningen är en del av kursen

Datarensning i R

SkillTag.level.intermediateSkillTag.label

4.8+

Starta kursen gratis

I det här kapitlet lär du dig att hantera några av de vanligaste problemen med smutsig 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: Konvertera datatyper Exercise 4: Rensa strängar Exercise 5: Intervallbegränsningar Exercise 6: Begränsningar för cykelturens längd Exercise 7: Tillbaka till framtiden Exercise 8: Unikhetsbegränsningar Exercise 9: Fullständiga dubbletter Exercise 10: Ta bort partiella dubbletter Exercise 11: Aggregera partiella dubbletter

Kategorisk data och textdata kan ofta vara de mest svårhanterliga delarna av en datamängd på grund av sin ostrukturerade natur. I det här kapitlet lär du dig att åtgärda inkonsekvenser med blanksteg och versalisering i kategorietiketter, slå ihop flera kategorier till en och formatera om strängar för enhetlighet.

Exercise 1: Kontrollera medlemskap Exercise 2: Endast för medlemmar Exercise 3: Inte ett giltigt värde Exercise 4: Problem med kategoriska data Exercise 5: Identifiera inkonsekvenser Exercise 6: Rätta inkonsistenser Exercise 7: Slå ihop kategorier Exercise 8: Rensa textdata Exercise 9: Identifiera inkonsekvent textdata Exercise 10: Ersätta och ta bort Exercise 11: Ogiltiga telefonnummer

I det här kapitlet fördjupar du dig i mer avancerade datarensningsproblem, till exempel att säkerställa att vikter anges i kilogram i stället för pund. Du får också värdefulla färdigheter som hjälper dig att kontrollera att värden har lagts till korrekt och att saknade värden inte påverkar dina analyser negativt.

Exercise 1: Enhetlighet Exercise 2: Enhetliga datum Exercise 3: Enhetlig valuta Exercise 4: Korsvalidering av fält Exercise 5: Validera totalsummor Exercise 6: Validera ålder

Aktuell övning

Exercise 7: Fullständighet Exercise 8: Typer av saknade värden Exercise 9: Visualisera saknade värden Exercise 10: Hantera saknade värden

Postlänkning är en kraftfull teknik som används för att sammanfoga flera datamängder, särskilt när värden innehåller stavfel eller olika stavningar. I det här kapitlet lär du dig att länka poster genom att beräkna likheten mellan strängar – sedan använder du dina nya färdigheter för att slå samman två restaurangrecensiondatamängder till en samlad och ren datamängd.

Exercise 1: Jämföra strängar Exercise 2: Beräkna avstånd Exercise 3: Litet avstånd, liten skillnad Exercise 4: Rätta stavfel med strängavstånd Exercise 5: Generera och jämföra par Exercise 6: Postlänkning eller join?Exercise 7: Parblockering Exercise 8: Jämföra par Exercise 9: Poängsättning och länkning Exercise 10: Poängsätt sedan välj, eller välj sedan poängsätt?Exercise 11: Sätt ihop allt Exercise 12: Grattis!