Rensa onlinebutikens datamängd
Du är dataingenjör på Global Retail Analytics. Din chef har flaggat kvalitetsproblem i datamängden online_retail – saknade kund-ID:n, duplicerade rader och annullerade beställningar snedvrider de veckovisa rapporterna.
Innan någon analys kan påbörjas behöver du definiera ett explicit schema, diagnostisera datakvalitetsproblemen och bygga en rensningspipeline som tar bort ogiltiga poster.
Den här övningen är en del av kursen
Datatransformation med Spark SQL i Databricks
Interaktiv övning med praktiskt arbete
Gör teori till handling med en av våra interaktiva övningar
Starta övningen