Congratulazioni!

Pulizia dei dati in R

Maggie Matsui

Content Developer, DataCamp

Cosa hai imparato

Stesso diagramma della Lezione 1.1 con diagnosi dei dati sporchi, effetti collaterali e pulizia dei dati.

Capitolo 1: Problemi comuni sui dati

Sinistra: un tablet collegato a una cartella, cloud, database e foglio per rappresentare i vincoli di tipo dati, come stringhe e numeri. Centro: una retta numerica con due marcatori e una doppia freccia per rappresentare i vincoli di intervallo, come valori fuori range. Destra: bambole russe Matrioska per rappresentare i vincoli di unicità, come trovare e gestire i duplicati.

Capitolo 2: Dati testuali e categorici

Sinistra: un badge di accesso per rappresentare i vincoli di appartenenza, come trovare categorie incoerenti e gestirle con join. Centro: quadrati collegati da linee per rappresentare variabili categoriche, come trovare categorie incoerenti e fonderle in meno categorie. Destra: due fumetti per rappresentare la pulizia di testo, come uniformare i formati e calcolare le lunghezze.

Capitolo 3: Problemi avanzati sui dati

Sinistra: sei divise da arbitro per rappresentare l'uniformità, come uniformare valute e date. Centro: tabella con tre colonne per la validazione tra campi, come sommare per riga e validare l'età. Destra: puzzle con un pezzo mancante per rappresentare la completezza, come trovare e gestire i valori mancanti.

Capitolo 4: Record linkage

Diagramma che mostra i passaggi del record linkage

Amplia e consolida le tue nuove competenze

Dati categorici
- Categorical Data in the Tidyverse
Dati testuali
- String Manipulation with stringr in R
- Intermediate Regular Expressions in R
Scrivere codice pulito
- Defensive R Programming

Congratulazioni!

Pulizia dei dati in R