在本章中，你會學到如何解決最常見的髒資料問題。你會轉換資料型別、套用範圍限制來移除不合理的未來時間點，並移除重複的資料點以避免重複計數。

資料型別限制

常見資料型別

轉換資料型別

修剪字串

範圍限制

騎乘時間的範圍限制

回到未來

唯一性限制

完整重複

移除部分重複值

彙總部分重複的資料

常見的資料問題

由於非結構化的特性，類別與文字資料常是資料集中最凌亂的部分。在本章中，你會學到如何修正類別標籤中的空白與大小寫不一致、將多個類別合併為一個，以及重新格式化字串以維持一致性。

檢查成員資格

限會員

非成員

類別資料的常見問題

辨識不一致

修正不一致

合併類別

清理文字資料

偵測不一致的文字資料

取代與移除

無效的電話號碼

類別與文字資料

在本章中，你會深入探討更進階的資料清理問題，例如確保重量都以公斤而非磅來表示。你也會學到關鍵技巧，幫助你驗證數值是否正確填入，並避免遺漏值對分析造成不良影響。

一致性

日期一致性

貨幣一致性

跨欄位驗證

驗證總額

驗證年齡

完整性

缺失型態

視覺化遺漏值

處理遺漏資料

進階資料問題

Record linkage 是一種強大的技術，用於在數值存在錯字或不同拼法時，將多個資料集合併。這一章中，你會學到如何透過計算字串相似度來連結紀錄，接著運用新學到的技能，把兩個餐廳評論資料集合併成一個乾淨的主資料集。

比較字串

計算距離

距離小，差異小

用字串距離修正拼字錯誤

產生並比較配對

選項

Record linkage

一般的 joins

連結還是連接（join）？

成對分組（Pair blocking）

比較配對

評分與連結

Record Linkage 流程

先評分再篩選，還是先篩選再評分？

整合起來

恭喜！

Record Linkage

Bike Sharing

Fodor's

Zagat

SFO Satisfaction Survey

Customer Accounts

<h2>克服常見的資料問題，例如在 R 中移除重複值</h2>
大家常說，資料科學家有 80% 的時間在清理與處理資料，只有 20% 的時間在做分析。清理階段至關重要，因為用髒資料做分析會導致錯誤的結論。
<br><br>
在本課程中，你會學到多種在 R 中清理髒資料的技巧。你會先從轉換資料型別、套用數值範圍限制，以及處理完整與部分重複，避免重複計數開始。
<br><br>
<h2>深入進階的資料挑戰</h2>
當你練習處理常見的資料問題之後，會進一步挑戰更進階的主題，例如確保量測的一致性，以及處理遺漏值。每介紹一個新觀念，你都能透過動手做的練習來鞏固知識並累積經驗。
<br><br>
<h2>學習在資料清理中使用 Record Linkage</h2>
Record Linkage 用於在數值有錯字或不同拼法時，將多個資料集合併在一起。你會在最後一章探索這個實用技巧，並實作將兩個餐廳評論資料集合併為單一資料集。

<h2>克服常見資料問題，例如在 R 中移除重複值</h2>
人們常說，資料科學家有 80% 的時間都在清理和處理資料，只有 20% 的時間用於分析資料。 花時間進行資料清理非常重要，因為分析未經清理的資料可能會導致得出不正確的結論。
<br><br>
在本課程中，您將學習多種使用 R 清理髒資料的技巧。您將從轉換資料型別、套用範圍限制，以及處理完整與部分重複值以避免重複計算開始。
<br><br>
<h2>深入探索進階資料挑戰</h2>
在練習處理常見的資料問題後，您將進一步挑戰更進階的議題，例如確保測量的一致性以及處理遺漏資料。 在每學習一個新概念後，您都將有機會完成實作練習，鞏固知識並累積實戰經驗。
<br><br>
<h2>學習在資料清理過程中運用記錄連結技術</h2>
Record Linkage 用於在資料集之間進行合併，當數值存在拼寫錯誤或不同拼寫方式等問題時，能有效處理這些情況。 您將在最後一章學習這個實用的技術，並透過實際操作，將兩個餐廳評論資料集合併成一個資料集，來練習其應用。

Joining Data with dplyr

學習快速準確地清理數據，助企業從原始數據獲得卓越洞察。

R 的資料清理

學習如何快速且精確地清理資料，讓你從原始資料迅速獲得深刻洞見。

助理資料科學家 在 R 中

資料匯入與清理  在 R 中

先評分再篩選，還是先篩選再評分？

R 的資料清理

動手互動練習