After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
课程介绍
处理表格中的数据很有趣。但如果最重要的信息不在整齐的 数据集 里，而是出现在纯文本中怎么办？别担心：在本课程中，您将学会如何编写强大的正则表达式，从一大段文本中精准找到分析所需的信息。不仅如此，借助字符串距离的概念，您还能处理包含错别字或扫描错误的文本，并将其与其他数据源中的正确记录匹配（记录链接）。作为学习素材，我们将分析有关瑞士影院票房数据的真实文档。
先修要求
课程大纲
课程大纲
1
正则表达式：编写自定义模式
正则表达式一开始可能令人望而生畏，因为它包含大量特殊字符。在本章中，您将学会理解这些符号，并编写自己的模式，精准找到您想要的内容。
2
用数据构建字符串
本章我们将稍微脱离正则表达式，转向字符串处理，学习如何从向量或列表等其他数据结构创建字符串。
3
从文本中提取结构化数据
正则表达式真正大显身手的任务之一，就是从一大段文本中提取有用信息。本章将带您从不规则、非表格化的纯文本中抽取所需数据。
4
字符串之间的相似性
在最后一章中，我们将从正则表达式转向理解字符串距离。通过计算多个字符串之间的差异，我们可以匹配那些彼此相似的项。即使存在小错误（如拼写错误），这也有助于发现重复记录。这是记录链接的重要步骤，即将来自多个来源的数据集合并。
R
R 中级正则表达式
课程完成
