Tutarsızlığı düzeltme

dest_size sütununda boşluk tutarsızlıkları ve cleanliness sütununda büyük/küçük harf tutarsızlıkları olduğunu belirlediğine göre, artık elindeki yeni araçları kullanarak sfo_survey içindeki tutarsız değerleri düzelteceksin. Böylece, veri noktalarını tamamen kaldırmak yerine onları korumuş olacaksın; çünkü veri noktalarının %5’inden fazlasını atman gerekirse veri kümesine önyargı katabilirsin.

dplyr ve stringr yüklendi ve sfo_survey kullanılabilir.

Bu egzersiz

R ile Veri Temizleme

kursunun bir parçasıdır

Kursu Görüntüle

Egzersiz talimatları

sfo_survey’e, dest_size sütunundaki değerlerin baştaki ve sondaki tüm boşlukları kaldırılmış hâlini içeren dest_size_trimmed adlı bir sütun ekle.
Tüm değerleri küçük harfe çevrilmiş cleanliness sütununu içeren cleanliness_lower adlı bir başka sütun ekle.
dest_size_trimmed içindeki her kategorinin kaç kez göründüğünü say.
cleanliness_lower içindeki her kategorinin kaç kez göründüğünü say.

Uygulamalı interaktif egzersiz

Bu örnek kodu tamamlayarak bu egzersizi bitirin.

# Add new columns to sfo_survey
sfo_survey <- sfo_survey %>%
  # dest_size_trimmed: dest_size without whitespace
  mutate(dest_size_trimmed = ___,
         # cleanliness_lower: cleanliness converted to lowercase
         cleanliness_lower = ___)

# Count values of dest_size_trimmed
sfo_survey %>%
  ___

# Count values of cleanliness_lower
sfo_survey %>%
  ___

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 Exercise 4: Kategorik veri sorunları Exercise 5: Tutarsızlıkları belirleme Exercise 6: Tutarsızlığı düzeltme

Geçerli Egzersiz

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!