Standarisasi kategori

Pembersihan Data di Java

Dennis Lee

Software Engineer

Mengapa menstandardisasi kategori?

  • Nama kategori tidak konsisten: tidak bisa mengelompokkan data
  • Beragam penulisan "Fruits & Vegetables"
  • Solusi: standarkan kategori

 

 

Kategori Mentah Kuantitas
Fruits & Vegetables 10
fruits & veg 20
Fruits&Veg 30
Pembersihan Data di Java

Langkah standarisasi

  1. Definisikan kategori standar
    FRUITS_AND_VEGETABLES
DAIRY
UNCATEGORIZED
  2. Petakan variasi ke kategori standar
    Fruits & Vegetables -> FRUITS_AND_VEGETABLES
fruits & veg -> FRUITS_AND_VEGETABLES
Fruits&Veg -> FRUITS_AND_VEGETABLES
  3. Lakukan analisis — misalnya, hitung kategori seperti FRUITS_AND_VEGETABLES
Pembersihan Data di Java

Definisikan kategori standar dengan enum

// Define standard categories
public enum ProductCategory {
    FRUITS_AND_VEGETABLES,
    DAIRY,
    UNCATEGORIZED;
}

// Example category
System.out.println(ProductCategory.FRUITS_AND_VEGETABLES);

FRUITS_AND_VEGETABLES
Pembersihan Data di Java

Petakan kategori mentah ke kategori standar

import java.util.HashMap;
import java.util.Map;

// Define map of raw category variations to standard categories
Map<String, ProductCategory> rawCategories = new HashMap<>();
// Variation 1: Fruits & Vegetables
rawCategories.put("Fruits & Vegetables", ProductCategory.FRUITS_AND_VEGETABLES);
// Variation 2: fruits & veg
rawCategories.put("fruits & veg", ProductCategory.FRUITS_AND_VEGETABLES);
// Variation 3: Fruits&Veg
rawCategories.put("Fruits&Veg", ProductCategory.FRUITS_AND_VEGETABLES);
Pembersihan Data di Java

Output pemetaan variasi ke kategori standar

System.out.println(rawCategories.get("fruits & veg")); // Get standard category

FRUITS_AND_VEGETABLES

 

rawCategories: hanya untuk visualisasi; kolom merepresentasikan pasangan key-value dalam Map

Kategori Mentah Kategori Standar
Fruits & Vegetables FRUITS_AND_VEGETABLES
fruits & veg FRUITS_AND_VEGETABLES
Fruits&Veg FRUITS_AND_VEGETABLES
Pembersihan Data di Java

Menangani kategori tak dikenal

String unknownCategory = "Mystery Category";

// Return UNCATEGORIZED if category not found in rawCategories
ProductCategory category = rawCategories.getOrDefault(
        unknownCategory, ProductCategory.UNCATEGORIZED);

System.out.println("Unknown: " + category);

Mystery Category: UNCATEGORIZED
Kategori Mentah Kategori Standar
Mystery Category UNCATEGORIZED
Pembersihan Data di Java

Membuat pemetaan tak dapat diubah

import java.util.Collections;

Map<String, ProductCategory> categories =
        Collections.unmodifiableMap(rawCategories); // Create immutable view


try {
    categories.put("new", ProductCategory.DAIRY); // Will throw exception
} catch (UnsupportedOperationException e) {
    System.out.println("Cannot modify immutable map");
}

Cannot modify immutable map
Pembersihan Data di Java

Ekstrak kategori dari dataset

// Extract category and quantity from our grocery inventory dataset
Map<String, Integer> rawData = 
        Map.of("Fruits & Vegetables", 10, 
               "fruits & veg", 20,
               "Fruits&Veg", 30);

rawData: Pemetaan yang diekstrak dari dataset inventaris bahan pangan

Kategori Mentah Kuantitas
Fruits & Vegetables 10
fruits & veg 20
Fruits&Veg 30
Pembersihan Data di Java

Cari kategori standar

Map<ProductCategory, Integer> stockByCategory =
        new EnumMap<ProductCategory, Integer>(ProductCategory.class);

rawData.forEach((raw, quantity) -> 
        // Lookup standard category in categories and sum quantities
        stockByCategory.merge(categories.get(raw), quantity, Integer::sum));

categories: Pemetaan untuk mencari kategori standar

Kategori Mentah Kategori Standar
Fruits & Vegetables FRUITS_AND_VEGETABLES
fruits & veg FRUITS_AND_VEGETABLES
Fruits&Veg FRUITS_AND_VEGETABLES
Pembersihan Data di Java

Jumlakan per kategori standar

System.out.println(stockByCategory);

{FRUITS_AND_VEGETABLES=60}

 

stockByCategory: Pemetaan setelah mencari rawData di categoryMap

Kategori Standar Kuantitas
FRUITS_AND_VEGETABLES 60
Pembersihan Data di Java

Pengelompokan per kategori standar: ringkasan

1) Ekstrak rawData berupa peta kategori/kuantitas dari dataset (cuplikan di bawah)

Kategori Mentah Kuantitas
Fruits & Vegetables 10

2) Buat categories untuk mencari kategori standar (cuplikan peta di bawah)

Kategori Mentah Kategori Standar
Fruits & Vegetables FRUITS_AND_VEGETABLES

3) Hitung stockByCategory dengan mencari rawData di categories (cuplikan peta di bawah)

Kategori Standar Kuantitas
FRUITS_AND_VEGETABLES 60
Pembersihan Data di Java

Merangkai semuanya

Impor Utama

import java.util.Map;
import java.util.HashMap;
import java.util.Collections;
  • Buat enum untuk kategori standar
  • Bangun pemetaan kategori dengan HashMap
  • Jadikan pemetaan tak dapat diubah dengan Collections.unmodifiableMap
  • Tangani kategori tidak dikenal dengan .getOrDefault()
  • Kelompokkan berdasarkan kategori standar dengan .merge()
Pembersihan Data di Java

Ayo berlatih!

Pembersihan Data di Java

Preparing Video For Download...