Studio di caso: EDA e imputazione

Scrivere funzioni e stored procedure in SQL Server

Meghan Kwartler

IT Consultant

Problema business: corse in taxi

Società di private equity UE in cerca di opportunità negli USA (Trasporti).
Qual è la tariffa media per distanza, il numero corse e il tempo totale per ogni borough NYC per giorno della settimana?
Quali punti di pickup nel borough assegnare a ciascun turno dei driver?

foto taxi giallo

EDA essenziale

Dataset transazionali distribuiti possono contenere casi impossibili per problemi di calibrazione nella raccolta dati
- Date future
- Date di fine prima delle date di inizio

SELECT * 
FROM CapitalBikeShare 
WHERE 
  StartDate > GetDate() 
  OR EndDate > GetDate() 
  OR StartDate > EndDate

Imputazione dei dati

Errore divisione per zero calcolando Tariffa media/Distanza
L’EDA trova centinaia di corse TaxiRide con distanza = 0
Metodi di imputazione per risolvere
- Media
- Hot Deck
- Omissione

Imputazione con media

Sostituisci il valore mancante con la media
Non cambia la media
Aumenta le correlazioni con altre colonne

CREATE PROCEDURE dbo.ImputeDurMean 
AS
BEGIN
DECLARE @AvgTripDuration AS float

SELECT @AvgTripDuration = AVG(Duration) 
FROM CapitalBikeShare
WHERE Duration > 0

UPDATE CapitalBikeShare
SET Duration =  @AvgTripDuration
WHERE Duration = 0
END;

Imputazione Hot Deck

Valore mancante sostituito con valore scelto a caso
Clausola TABLESAMPLE della clausola FROM

CREATE FUNCTION dbo.GetDurHotDeck()
RETURNS decimal (18,4)
AS BEGIN
RETURN (SELECT TOP 1 Duration
FROM CapitalBikeShare
TABLESAMPLE (1000 rows)
WHERE Duration >0)
END

SELECT 
  StartDate, 
  "TripDuration" = CASE WHEN Duration > 0 THEN Duration 
                        ELSE dbo.GetDurHotDeck() END 
FROM CapitalBikeShare;

SELECT 
  DATENAME(weekday, StartDate) AS DayofWeek, 
  AVG(Duration) AS 'AvgDuration' 
FROM CapitalBikeShare 
WHERE Duration > 0 
GROUP BY DATENAME(weekday, StartDate) 
ORDER BY AVG(Duration) desc

+-----------+-------------+
| DayofWeek | AvgDuration |
|-----------+-------------|
| Saturday  | 1476        |
| Sunday    | 1391        |
| Monday    |  979        |
| Friday    |  957        |
| Thursday  |  956        |
| Wednesday |  807        |
| Tuesday   |  763        |
+-----------+-------------|

Tocca a te!

Scrivere funzioni e stored procedure in SQL Server