Kom igångKom igång gratis

Datarensning och förbättring

TechCorp migrerar till ett nytt HR-system. Datamängden behöver rensas: ta bort löneutliggare som tyder på inmatningsfel, ta bort kolumner som det nya systemet inte kommer att använda, och lägg till ett beräknat bonusfält. Datarensning tar vanligtvis 80 % av analystiden – dessa färdigheter är därför viktiga att behärska.

Klasserna Table, Selection och DoubleColumn har redan importerats åt dig.

Den här övningen är en del av kursen

Importera data i Java

Visa kurs

Övningsinstruktioner

  • Ta bort anställda med löner under 40 000 dollar.
  • Ta bort kolumnen "JobTitle".
  • Lägg till kolumnen PerformanceBonus (5 % av lönen).

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

public class DataExploration {
	public static void main(String[] args) {

        Table employees = Table.read().csv("employees.csv");

        // Remove employees with salaries below $40,000
        Selection lowSalaries = employees.intColumn("Salary").isLessThan(____);
        Table cleanedEmployees = employees.____(lowSalaries);

        // Remove the JobTitle column
        Table streamlined = cleanedEmployees.____("JobTitle");

        DoubleColumn performanceBonus = streamlined.intColumn("Salary").asDoubleColumn()
            .map(salary -> salary * 0.05);
        performanceBonus.setName("PerformanceBonus");

        // Add the PerformanceBonus column
        Table enhancedEmployees = streamlined.____(performanceBonus);

        System.out.println("Total employees after cleaning: " + enhancedEmployees.rowCount());
        System.out.println("\nFirst 5 rows of enhanced dataset:");
        System.out.println(enhancedEmployees.first(5));
	}
}
Redigera och kör kod