Ngưỡng cắt (cutoff)
Trong bài tập này, và xuyên suốt chương này, bạn sẽ làm việc với DataFrame restaurants chứa dữ liệu về nhiều nhà hàng. Mục tiêu cuối cùng là xây dựng một hệ gợi ý nhà hàng, nhưng trước hết bạn cần làm sạch dữ liệu.
Phiên bản restaurants này được thu thập từ nhiều nguồn, trong đó cột cuisine_type có rất nhiều lỗi chính tả và lẽ ra chỉ nên chứa ba loại: italian, american và asian. Có quá nhiều danh mục duy nhất nên việc ánh xạ lại thủ công là không khả thi; tốt nhất là dùng độ tương đồng chuỗi.
Trước khi làm điều đó, bạn muốn xác định ngưỡng cắt cho điểm tương đồng bằng cách dùng hàm process.extract() của thefuzz, thông qua việc tìm điểm tương đồng của lỗi chính tả xa nhất (distant) cho mỗi danh mục.
Bài tập này là một phần của khóa học
Làm sạch dữ liệu với Python
Bài tập tương tác thực hành trực tiếp
Hãy thử làm bài tập này bằng cách hoàn thành đoạn mã mẫu này.
# Import process from thefuzz
____
# Store the unique values of cuisine_type in unique_types
unique_types = ____
# Calculate similarity of 'asian' to all values of unique_types
print(process.____('____', ____, limit = len(____)))
# Calculate similarity of 'american' to all values of unique_types
print(____('____', ____, ____))
# Calculate similarity of 'italian' to all values of unique_types
print(____)