1. Learn
    2. /
  2. 课程
    3. /
  3. Python 数据清洗
Connected

道练习

处理重复值

在上一个练习中，您已经验证：导入到 ride_sharing 的最新更新存在一个缺陷，导致 ride_id 列的某些取值出现完全重复行和不完整重复行，并且 user_birth_year 与 duration 列偶尔还会有不一致的取值。

在本练习中，您将先删除完全重复的行，然后将不完整的重复行合并为一行；在合并时，对每组不完整重复行保留 duration 的平均值，以及 user_birth_year 的最小值。

说明

100 XP
  • 删除 ride_sharing 中完全重复的行，并将结果保存到 ride_dup。
  • 创建 statistics 字典：对 user_birth_year 使用最小值聚合（min），对 duration 使用平均值聚合（mean）。
  • 通过按 ride_id 分组并应用 statistics 中的聚合来删除不完整重复行。
  • 再次查找重复项，并运行 assert 语句以验证去重结果。