Estatísticas dos dados

Limpeza de Dados em Java

Dennis Lee

Software Engineer

Conheça seu instrutor!

 

Dennis Lee

 

  • Engenheiro de software na Amazon
  • Tecnologia e operações
  • Ph.D. em Engenharia Elétrica e de Computação

 

Foto do instrutor

Limpeza de Dados em Java

Por que dados limpos importam

 

Título Data de publicação Nota Nº de avaliações Preço
[null] 1/10/23 4.8 165 $30.61
9/13/19 4.8 2,521 $38.00
Clean Code 8/1/08 4.7 5,639 $400.00

 

  • Dados sujos: perda de vendas, confusão do cliente, previsões pouco confiáveis
  • Solução: limpar os dados
Limpeza de Dados em Java

Roteiro do curso

  1. Avaliar a qualidade dos dados

 

1_Ch1_L1_.jpg

Limpeza de Dados em Java

Roteiro do curso

  1. Avaliar a qualidade dos dados
  2. Transformar dados

 

2_Ch1_L1_.jpg

Limpeza de Dados em Java

Roteiro do curso

  1. Avaliar a qualidade dos dados
  2. Transformar dados
  3. Validar dados

 

3_Ch1_L1_.jpg

Limpeza de Dados em Java

Roteiro do curso

  1. Avaliar a qualidade dos dados
  2. Transformar dados
  3. Validar dados
  4. Limpar dados tabulares

 

4_Ch1_L1_.jpg

Limpeza de Dados em Java

Estruturando os dados

import java.time.LocalDate;

public class BookSalesExample {
    private record BookSales(String title, LocalDate publishDate, 
                             int reviewCount,  double rating, double price) {}}

book.rating() // book is an instance of BookSales
Título Data de publicação Nota Nº de avaliações Preço
Python Crash Course 1/10/23 4.8 165 $30.61
The Pragmatic Programmer 9/13/19 4.8 2,521 $38.00
Clean Code 8/1/08 4.7 5,639 $40.00
Limpeza de Dados em Java

Preenchendo o conjunto de dados

import java.time.LocalDate;
import java.util.Arrays;
import java.util.List;

// Create books with title, publishDate, reviewCount, rating, and price
List<BookSales> books = Arrays.asList(
        new BookSales("Python Crash Course", LocalDate.of(2023, 1, 10),
                      165, 4.8, 30.61),
        new BookSales("The Pragmatic Programmer", LocalDate.of(2019, 9, 13),
                      2521, 4.5, 38.00),
        new BookSales("Clean Code", LocalDate.of(2008, 8, 1),
                      5639, 4.7, 40.00));
Limpeza de Dados em Java

Calculando média, mín, máx

import org.apache.commons.math3.stat.descriptive.DescriptiveStatistics;


public class BookSalesExample {
    public static void main(String[] args) {
        // Create stats calculator
        DescriptiveStatistics stats = new DescriptiveStatistics();
        // Add each book's price to stats
        books.forEach(book -> stats.addValue(book.getPrice()));
    }
}
Limpeza de Dados em Java

Exemplo de saída: faixa de preço

System.out.printf("Books analyzed: %d%n", books.size());

Books analyzed: 3

System.out.printf("Average price: $%.2f%n", stats.getMean());

Average price: $36.20

System.out.printf("Price range: $%.2f - $%.2f%n", stats.getMin(), stats.getMax());

Price range: $30.61 - $40.00
Limpeza de Dados em Java

Calculando percentis

public class BookSalesExample {
    public static void main(String[] args) {
        // 50th percentile = median
        System.out.printf("Median price: $%.2f%n", stats.getPercentile(50));

        System.out.printf("Normal range: $%.2f - $%.2f%n",
                stats.getPercentile(25), stats.getPercentile(75));
    }
}

Median price: $38.00

Normal range: $30.61 - $40.00
Limpeza de Dados em Java

Estatística como controle de qualidade

  • Métodos de DescriptiveStatistics
    • .getMean(): preço médio
    • .getMin(), .getMax(): faixa de preço
    • .getPercentile(): preços típicos
  • Encontrar problemas inspecionando faixas de preço
  • Benefícios
    • Detecta problemas rápido
    • Escala para grandes conjuntos
    • Substitui inspeção manual

Pilha de livros

Limpeza de Dados em Java

Vamos praticar!

Limpeza de Dados em Java

Preparing Video For Download...