Üye değil

Üyelik kısıtı sorunlarını belirleme alıştırması yaptıktan sonra, şimdi bu sorunları yeni bir veri kümesinde düzeltme zamanı. Bu bölüm boyunca, San Francisco Uluslararası Havalimanı'ndan (SFO) uçan yolculardan gelen anket yanıtlarını içeren sfo_survey adlı bir veri kümesiyle çalışacaksın. Katılımcılara havalimanının temizliği, bekleme süreleri, güvenlik ve genel memnuniyetleri hakkında sorular soruldu.

Veri toplama sırasında bazı sorunlar yaşandığından veri kümesinde tutarsızlıklar oluştu. Bu egzersizde, yolcuların uçtukları varış havalimanının büyüklüğünü kategorize eden dest_size sütunuyla çalışacaksın. Olası tüm varış havalimanı boyutlarını içeren dest_sizes adlı bir veri çerçevesi mevcut. Görevin, geçersiz dest_size içeren satırları bulup veri çerçevesinden kaldırmak.

dplyr yüklendi ve sfo_survey ile dest_sizes kullanılabilir durumda.

Bu egzersiz

R ile Veri Temizleme

kursunun bir parçasıdır

Kursu Görüntüle

Uygulamalı interaktif egzersiz

Bu örnek kodu tamamlayarak bu egzersizi bitirin.

# Count the number of occurrences of dest_size
sfo_survey %>%
  count(___)

Kodu Düzenle ve Çalıştır

Bu egzersiz

R ile Veri Temizleme

kursunun bir parçasıdır

IntermediárioNível de habilidade

4.8+

Kursa Ücretsiz Başlayın

In this chapter, you'll learn how to overcome some of the most common dirty data problems. You'll convert data types, apply range constraints to remove future data points, and remove duplicated data points to avoid double-counting.

Exercise 1: Data type constraints Exercise 2: Common data types Exercise 3: Converting data types Exercise 4: Trimming strings Exercise 5: Range constraints Exercise 6: Ride duration constraints Exercise 7: Back to the future Exercise 8: Uniqueness constraints Exercise 9: Full duplicates Exercise 10: Removing partial duplicates Exercise 11: Aggregating partial duplicates

Categorical and text data can often be some of the messiest parts of a dataset due to their unstructured nature. In this chapter, you’ll learn how to fix whitespace and capitalization inconsistencies in category labels, collapse multiple categories into one, and reformat strings for consistency.

Exercise 1: Üyeliği kontrol etme Exercise 2: Yalnızca üyeler Exercise 3: Üye değil

Geçerli Egzersiz

Exercise 4: Kategorik veri sorunları Exercise 5: Tutarsızlıkları belirleme Exercise 6: Tutarsızlığı düzeltme Exercise 7: Kategorileri birleştirme Exercise 8: Metin verilerini temizleme Exercise 9: Tutarsız metin verisini tespit etme Exercise 10: Değiştirme ve kaldırma Exercise 11: Geçersiz telefon numaraları

In this chapter, you’ll dive into more advanced data cleaning problems, such as ensuring that weights are all written in kilograms instead of pounds. You’ll also gain invaluable skills that will help you verify that values have been added correctly and that missing values don’t negatively impact your analyses.

Exercise 1: Uniformity Exercise 2: Date uniformity Exercise 3: Currency uniformity Exercise 4: Cross field validation Exercise 5: Validating totals Exercise 6: Validating age Exercise 7: Completeness Exercise 8: Types of missingness Exercise 9: Visualizing missing data Exercise 10: Treating missing data

Record linkage is a powerful technique used to merge multiple datasets together, used when values have typos or different spellings. In this chapter, you'll learn how to link records by calculating the similarity between strings—you’ll then use your new skills to join two restaurant review datasets into one clean master dataset.

Exercise 1: Comparing strings Exercise 2: Calculating distance Exercise 3: Small distance, small difference Exercise 4: Fixing typos with string distance Exercise 5: Generating and comparing pairs Exercise 6: Link or join?Exercise 7: Pair blocking Exercise 8: Comparing pairs Exercise 9: Scoring and linking Exercise 10: Score then select or select then score?Exercise 11: Putting it together Exercise 12: Congratulations!