資料統計

使用 Java 進行資料清理

Dennis Lee

Software Engineer

認識你的講師！

 

Dennis Lee

 

  • Amazon 軟體工程師
  • 科技與營運
  • 電機與電腦工程博士

 

講師照片

使用 Java 進行資料清理

為何資料清理重要

 

Title Publish Date Rating Review Count Price
[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

 

  • 髒資料：損失銷售、客戶困惑、預測不可靠
  • 解法：清理資料
使用 Java 進行資料清理

課程大綱

  1. 評估資料品質

 

1_Ch1_L1_.jpg

使用 Java 進行資料清理

課程大綱

  1. 評估資料品質
  2. 轉換資料

 

2_Ch1_L1_.jpg

使用 Java 進行資料清理

課程大綱

  1. 評估資料品質
  2. 轉換資料
  3. 驗證資料

 

3_Ch1_L1_.jpg

使用 Java 進行資料清理

課程大綱

  1. 評估資料品質
  2. 轉換資料
  3. 驗證資料
  4. 清理表格資料

 

4_Ch1_L1_.jpg

使用 Java 進行資料清理

資料結構化

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
Title Publish Date Rating Review Count Price
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
使用 Java 進行資料清理

填入資料集

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));
使用 Java 進行資料清理

計算平均、最小、最大

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()));
    }
}
使用 Java 進行資料清理

輸出範例：價格範圍

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
使用 Java 進行資料清理

計算百分位數

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
使用 Java 進行資料清理

用統計做品質管控

  • DescriptiveStatistics 方法
    • .getMean(): 平均價格
    • .getMin(), .getMax(): 價格範圍
    • .getPercentile(): 代表性價格
  • 檢查價格範圍以找出問題
  • 好處
    • 快速發現問題
    • 可擴展到大型資料集
    • 取代人工檢視

一疊書

使用 Java 進行資料清理

一起來練習吧！

使用 Java 進行資料清理

Preparing Video For Download...