Grattis!

Datarensning i R

Maggie Matsui

Content Developer, DataCamp

Vad du har lärt dig

Samma diagram från lektion 1.1 som visar diagnostisering av smutsig data, bieffekter av smutsig data och datarensning.

Datarensning i R

Kapitel 1: Vanliga dataproblem

 

Vänster: En surfplatta med linjer till en mapp, ett moln, en databas och ett papper – representerar datatypsbegränsningar, t.ex. strängar och numerisk data. Mitten: En tallinje med två markeringar och en dubbelpil emellan – representerar dataintervallersbegränsningar, t.ex. data utanför intervallet. Höger: Ryska matrjosjkadockor – representerar unikhetsbegränsningar, t.ex. att hitta och hantera dubbletter.

Datarensning i R

Kapitel 2: Text- och kategoridata

Vänster: Ett säkerhetskort – representerar tillhörighetsbegränsningar, t.ex. att hitta inkonsekventa kategorier och hantera dem med join-operationer. Mitten: Rutor länkade med linjer – representerar kategoriska variabler, t.ex. att hitta inkonsekventa kategorier och slå ihop dem. Höger: Två pratbubblor – representerar rensning av textdata, t.ex. enhetliga format och längdkontroll.

Datarensning i R

Kapitel 3: Avancerade dataproblem

Vänster: Sex domaruniformer – representerar enhetlighet, t.ex. enhetliga valuta- och datumformat. Mitten: En datatabell med tre kolumner – representerar korsvalidering av fält, t.ex. summering av rader och validering av ålder. Höger: Ett pussel med en saknad bit – representerar fullständighet, t.ex. att hitta och hantera saknade värden.

Datarensning i R

Kapitel 4: Postlänkning

Diagram som visar stegen i postlänkning

Datarensning i R

Fördjupa och bygg vidare på dina nya kunskaper

Datarensning i R

Grattis!

Datarensning i R

Preparing Video For Download...