Çift bloklama

Zagat ve Fodor's, restoran yorumları toplayan iki şirkettir. zagat ve fodors veri kümeleri; adresler, telefon numaraları ve mutfak türleri de dahil olmak üzere çeşitli restoranlara ait bilgiler içerir. Bazı restoranlar her iki veri kümesinde de yer alır, ancak adları veya telefon numaraları birebir aynı şekilde yazılmış olmayabilir. Bu bölümde, her iki veri kümesinde de görünen restoranları belirlemeye doğru ilerleyeceksin.

Bu hedefe giden ilk adım, karşılaştırma yapabilmek için kayıt çiftleri oluşturmaktır. Bu egzersizde önce tüm olası çiftleri üretecek, ardından yeni temizlediğin city sütununu bir bloklama değişkeni olarak kullanacaksın.

zagat ve fodors hazır durumda.

Bu egzersiz

R ile Veri Temizleme

kursunun bir parçasıdır

Kursu Görüntüle

Uygulamalı interaktif egzersiz

Bu örnek kodu tamamlayarak bu egzersizi bitirin.

# Load reclin
___

# Generate all possible pairs
___

Kodu Düzenle ve Çalıştır

Bu egzersiz

R ile Veri Temizleme

kursunun bir parçasıdır

IntermediárioNível de habilidade

4.8+

670 reviews

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: 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: Dizgileri karşılaştırma Exercise 2: Mesafe hesaplama Exercise 3: Küçük uzaklık, küçük fark Exercise 4: Dizge uzaklığıyla yazım hatalarını düzeltme Exercise 5: Çiftleri oluşturma ve karşılaştırma Exercise 6: Bağla mı birleştir mi?Exercise 7: Çift bloklama

Geçerli Egzersiz

Exercise 8: Eşleri karşılaştırma Exercise 9: Puanlama ve bağlama Exercise 10: Önce puanla sonra seç mi, yoksa önce seç sonra puanla mı?Exercise 11: Hepsini bir araya getirelim Exercise 12: Tebrikler!