data-cleaning

1熱度

3回答

我試圖找到我的任何領域不在A-ZA-Z0-9範圍的特殊字符數據的特殊字符的方式。但是，如果我嘗試此查詢： select Name from table where Name like '%[?]%' 我得到兩個記錄： ???? ????? 固定????? 這就是我想要的。然而，因爲我不知道特殊字符的將是什麼，我需要使用數據的排斥已經混合字符： select Name from table wh

0熱度

1回答

您如何確保40,000個聯繫人列表最新？

我在編程（Python）方面仍然是一個新手，並且更新一個約40,000個聯繫人列表的任務時有點不知所措。顯然，我不想這樣做手動，並試圖找出如何最好地自動化任務。任何意見或幫助指向正確的方向將不勝感激。這裏有問題：我需要確保該信息仍然是最新的（即該人仍然工作在同一家公司和/或沒有改變他的職位）。什麼是最好的方法來做到這一點？解析LinkedIn？試圖找到他們的Facebook個人資料，並希望他們透

0熱度

1回答

如果不是（具體格式）

我想要的值有其他的東西，即數字變量的第四個數字上的0爲NA。下面的代碼是我嘗試： dataframecolumn[which(substring(dataframecolumn) != %%%0)] = NA 但我無法得到它的工作。有人能幫我解決這個問題嗎？

3熱度

1回答

如何檢查至極MySQL數據庫仍在使用？ #CleaningUp

我在這裏有一個清潔的情況，舊的程序員沒有清理他的用戶數據庫&。雖然有些數據庫仍然由外部站點（在其他ftp服務器上）使用，但有些數據庫已過時，只是使系統混亂。我的問題是：我怎麼能弄清楚至極數據庫（&用戶）仍在使用其他網站？（不檢查每一個網站，迄今爲止，創造了在以往任何時候這可能位於）我需要確保一個MySQL數據庫（&用戶）不activly被任何網站了，所以我可以安全地刪除它來清理系統。

1熱度

1回答

使用read.csv清理數據

作爲一個初學者，我想問問你哪種清潔大型.csv數據的更優雅/有效的方法：我嘗試了兩種解決方案（在help()這裏找到，在文獻中），但我不確定是否有更好的東西（即帶循環？），你可以建議我。我的（不是很R-友好）的.csv數據（523行，47列，這裏僅僅是個開始）： ;;; ;;; ;;; Name;#1;#2;#3 Correction;;; Date;19.09.2016;19.0

-1熱度

1回答

基於多個單元格和值的Excel條件格式化

我正在嘗試對特定數據庫實施各種條件格式。在這裏尋找答案，但找不到類似的東西。不可能，但值得一試。我正在執行各種數據清理和驗證。這裏的情況：（小樣本，在這個特殊的文件，100K數據輸入工作）最後我要的是，將在最後的低級別說明文字比較公式「 UNDERSCORE「後面的字符（高亮顯示）。如果不匹配，則突出顯示該單元格？問太多了，是的，不，也許？對於我如何執行各種數據清理和驗證，我願意接受任何其

0熱度

1回答

日期/時間分隔

我需要從日期時間字段創建日期列和時間列。數據的結構： Date.Time: POSIXct, format: "2017-04-01 05:17:02" "2017-04-01 05:18:20" "2017-04-01 05:25:24" "2017-04-01 05:31:46" .. data: 我做R中 hour_min <- format(as.POSIXct(strptime(F

0熱度

2回答

如何從pandas數據框列中的文本中刪除非ASCII字符（例如，？？？？？？？？？？？？？？）？

如何從pandas數據框列中的文本中刪除非ASCII字符（例如，？？？？？？？？？？？？？？）？我曾嘗試以下，但沒有運氣 df = pd.read_csv(path, index_col=0) for col in df.columns: for j in df.index: markup1 = str(df.ix[j, col]).replace("\r", "") m

0熱度

1回答

如何根據其他列

我有這樣一個數據幀的條件之一列分離成兩個： Category <-c("Agriculture","Education","Education","Energy","Environment","Finance","Governance","Governance","Economics","Economics","Equality","Society" , "Protection","Trade",

1熱度

3回答

多列處理和動態命名新列

變量錯誤地輸入到多列，例如：「aaa_1」，「aaa_2」和「aaa_3」或「ccc_1」，「ccc_2」和「ccc_3」）。單個新列（例如「aaa」或「ccc」）。一些變量當前在單列中（「hhh_1」），但可以添加更多列（hhh_2等）。： aaa_1 <- c(43, 23, 65, NA, 45) aaa_2 <- c(NA, NA, NA, NA, NA) aaa_3 <- c(N