Location via proxy:   [ UP ]  
[Report a bug]   [Manage cookies]                
Scribd Logo
Cargar

¡Te damos la bienvenida a Scribd!

  • 71 vistas

    Yhxw46z PDF

    Cargado por

    Marina D'Anconia
    El documento presenta una actividad para practicar la limpieza de datos usando el software OpenRefine. Instruye al usuario a descargar el software y varios conjuntos de datos, y realizar pasos como eliminar información basura, registros repetidos y en blanco, y usar expresiones regulares para extraer correos electrónicos y números de teléfono de un archivo HTML.

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd

    Yhxw46z PDF

    Cargado por

    Marina D'Anconia
    71 vistas2 páginas
    El documento presenta una actividad para practicar la limpieza de datos usando el software OpenRefine. Instruye al usuario a descargar el software y varios conjuntos de datos, y realizar pasos como eliminar información basura, registros repetidos y en blanco, y usar expresiones regulares para extraer correos electrónicos y números de teléfono de un archivo HTML.

    Título original

    yhxw46z.pdf

    Derechos de autor

    © © All Rights Reserved

    Formatos disponibles

    PDF, TXT o lea en línea desde Scribd

    ¿Le pareció útil este documento?

    ¿Este contenido es inapropiado?

    El documento presenta una actividad para practicar la limpieza de datos usando el software OpenRefine. Instruye al usuario a descargar el software y varios conjuntos de datos, y realizar pasos como eliminar información basura, registros repetidos y en blanco, y usar expresiones regulares para extraer correos electrónicos y números de teléfono de un archivo HTML.

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd
    Descargar como pdf o txt
    71 vistas2 páginas

    Yhxw46z PDF

    Cargado por

    Marina D'Anconia
    El documento presenta una actividad para practicar la limpieza de datos usando el software OpenRefine. Instruye al usuario a descargar el software y varios conjuntos de datos, y realizar pasos como eliminar información basura, registros repetidos y en blanco, y usar expresiones regulares para extraer correos electrónicos y números de teléfono de un archivo HTML.

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd
    Descargar como pdf o txt
    Está en la página 1de 2

    Actividad

    Analista de datos [Nivel 1]


    Lección 3 / Actividad 1
    Limpia datos

    IMPORTANTE

    Para resolver tu actividad, guárdala en tu computadora e imprímela.

    Si lo deseas, puedes conservarla para consultas posteriores ya que te sirve


    para reforzar tu aprendizaje. No es necesario que la envíes para su revisión

    Propósito de la actividad

    Identificar los errores plasmados en los set de datos para corregirlos con el uso
    del software de limpieza.

    Practica lo que aprendiste

    I. Entra al siguiente link y descarga el software de limpieza de datos.

    http://openrefine.org/download.html

    • Elige la descarga que corresponda al sistema operativo de tu


    computadora
     Descomprime el archivo y abre el ejecutable

    El software estará corriendo en el navegador de internet que tengas


    predefinido.

    II. Descarga el set de datos del siguiente enlace:

    https://drive.google.com/open?id=0B-Wr3Aycg5TLeURKT2FTOGNLTm8

    En el software de limpieza crea un nuevo proyecto para limpiar el


    archivo en .CSV que acabas de descargar y agrupa nombres
    similares, para reducir el número de registros
    Actividad

    III. Descarga el set de datos del siguiente enlace:

    https://drive.google.com/open?id=0B-Wr3Aycg5TLTE1oUXdUREt1Znc

    En el software de limpieza crea un nuevo proyecto para limpiar el


    archivo en .CSV que acabas de descargar y sigues estos pasos:

    1. Elimina la información basura utilizando la función “Facet”


    2. Elimina los registros repetidos
    3. Elimina los registros en blanco

    IV. Utiliza expresiones regulares para resolver el siguiente problema

    Descarga el siguiente archivo html y con ayuda de expresiones


    regulares completa el siguiente programa en Python para filtra todos
    los email y los números telefónicos se contenga el archivo.

    Apáyate de la siguiente página que te permitirá probar tus


    expresiones regulares:

    http://www.regexpal.com/

    Código:

    import re

    archivo = open("Ruta y nombre del archivo", "r")


    contenido = archivo.read()
    arregloMails = re.findall(r’Expresión Regular Emails', contenido)
    cuenta = 0
    for mail in arregloMails:
    print(mail)
    arregloTelefono = re.findall(r’Expresión Regular Telefonos', contenido)
    cuenta = 0
    for tel in arregloTelefono:
    print(tel)

    También podría gustarte