Kısmi kopyaları birleştirerek özetleme

Kısmi kopyaları ele almanın bir başka yolu, aralarında farklılık olan değerlerin bir özet istatistiğini (örneğin ortalama, medyan, maksimum veya minimum) hesaplamaktır. Bu, verinin nasıl toplandığından emin olmadığında ve ortalama bir değer istediğinde ya da alan bilgisini kullanarak, olduğundan yüksek bir tahminin düşük bir tahminden (ya da tam tersi) daha iyi olduğunu düşündüğünde işine yarar.

dplyr yüklü ve bike_share_rides kullanılabilir.

Bu egzersiz

R ile Veri Temizleme

kursunun bir parçasıdır

Kursu Görüntüle

Egzersiz talimatları

bike_share_rides verisini ride_id ve date ile grupla.
Satırın ride_id ve date değerleri için ortalama sürüş süresini içeren duration_min_avg adlı bir sütun ekle.
ride_id ve date temelinde kopyaları kaldır ve veri çerçevesindeki tüm sütunları koru.
duration_min sütununu kaldır.

Uygulamalı interaktif egzersiz

Bu örnek kodu tamamlayarak bu egzersizi bitirin.

bike_share_rides %>%
  # Group by ride_id and date
  ___ %>%
  # Add duration_min_avg column
  mutate(duration_min_avg = ___ ) %>%
  # Remove duplicates based on ride_id and date, keep all cols
  ___ %>%
  # Remove duration_min column
  ___(-___)

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: Veri tipi kısıtları Exercise 2: Yaygın veri türleri Exercise 3: Veri türlerini dönüştürme Exercise 4: Dizge kırpma Exercise 5: Aralık kısıtları Exercise 6: Sürüş süresi kısıtları Exercise 7: Geleceğe dönüş Exercise 8: Benzersizlik kısıtları Exercise 9: Tam kopyalar Exercise 10: Kısmi yinelenenleri kaldırma Exercise 11: Kısmi kopyaları birleştirerek özetleme

Geçerli Egzersiz

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: Checking membership Exercise 2: Members only Exercise 3: Not a member Exercise 4: Categorical data problems Exercise 5: Identifying inconsistency Exercise 6: Correcting inconsistency Exercise 7: Collapsing categories Exercise 8: Cleaning text data Exercise 9: Detecting inconsistent text data Exercise 10: Replacing and removing Exercise 11: Invalid phone numbers

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!