caleg_dpr_2019's People
caleg_dpr_2019's Issues
duplicate entries in caleg_dpr.csv
Hi, saya mencoba pake data caleg_dpr.csv dan dari 7634 rows hanya ada 6759 unique entries, dan ketika dicek duplicates-nya, kebanyakan duplikat adalah entri yang gak ada nama dan nomor urutnya, tapi ada nama partai dan provinsinya. Apakah ini mungkin kesalahan dalam baca json? Saya kurang familiar dengan bentuk data json tapi mungkin itu kenapa juga dari klaim KPU yang harusnya 7968 jadi cuma kebaca 7634(?)
Ini contoh skrinsyot entri yang datanya kosong di nomor urut yang nama. Ada entri lagi di kota tinggal, tapi selain itu sisa field kosong.
ini kodenya
library(dplyr)
library(janitor)
library(tidyverse)
download.file("https://raw.githubusercontent.com/seuriously/caleg_dpr_2019/master/caleg_dpr.csv", destfile = "input/caleg_dpr_2019.csv")
caleg<-read_delim("input/caleg_dpr_2019.csv", delim = "|", na = c("", "NA", "-"))
glimpse(caleg)
caleg<-caleg %>% select(
partai,
provinsi,
Dapil,
No..Urut,
Nama.Lengkap,
Jenis.Kelamin,
Gelar.Akademis.Depan,
Gelar.Akademis.Belakang,
Pendidikan,
Pekerjaan,
kota_tinggal,
Tempat.Lahir,
Tanggal.Lahir,
umur,
Agama,
Status.Perkawinan,
Jumlah.Anak,
Motivasi,
Status.Khusus
) %>%
clean_names()
glimpse(caleg)
## beberapa variabel difaktorkan
caleg_2019<-caleg %>% mutate(partai=as.factor(partai),
provinsi=as.factor(provinsi),
dapil=as.factor(provinsi),
jenis_kelamin=as.factor(jenis_kelamin),
gelar_akademis_depan=as.factor(gelar_akademis_depan),
gelar_akademis_belakang=as.factor(gelar_akademis_belakang),
pendidikan=as.factor(pendidikan),
pekerjaan=as.factor(pekerjaan),
kota_tinggal=as.factor(kota_tinggal),
tempat_lahir=as.factor(tempat_lahir),
tanggal_lahir=as.Date(tanggal_lahir),
agama=as.factor(agama),
status_perkawinan=as.factor(status_perkawinan),
jumlah_anak=as.factor(jumlah_anak))
glimpse(caleg_2019)
## Lihat jumlah caleg secara umum
caleg_2019 %>% distinct() %>% summarise(n=n())
## Berapakah jumlah entri duplikat jika ada?
nrow(caleg_2019)-caleg_2019 %>% distinct() %>% summarise(n=n())
## Bagaimanakah tampilan data duplikat?
head(caleg_2019[duplicated(caleg_2019)==T,])
## Entri keberapakah yang duplikat?
which(duplicated(caleg_2019))
## Lokasi duplikat cukup tersebar, mari lihat salah satu bagian
caleg_2019[559:571,]
Lisensi?
Selamat siang,
Kerja yang sangat menarik, mas! Apakah ada syarat atau ketentuan untuk menggunakan hasil kerja ini?
Saya berencana memasukan hasil kerja mas ini sebagai dataset di package nusandata
apabila mas memberikan izin.
Salam,
Aswan
Recommend Projects
-
React
A declarative, efficient, and flexible JavaScript library for building user interfaces.
-
Vue.js
๐ Vue.js is a progressive, incrementally-adoptable JavaScript framework for building UI on the web.
-
Typescript
TypeScript is a superset of JavaScript that compiles to clean JavaScript output.
-
TensorFlow
An Open Source Machine Learning Framework for Everyone
-
Django
The Web framework for perfectionists with deadlines.
-
Laravel
A PHP framework for web artisans
-
D3
Bring data to life with SVG, Canvas and HTML. ๐๐๐
-
Recommend Topics
-
javascript
JavaScript (JS) is a lightweight interpreted programming language with first-class functions.
-
web
Some thing interesting about web. New door for the world.
-
server
A server is a program made to process requests and deliver data to clients.
-
Machine learning
Machine learning is a way of modeling and interpreting data that allows a piece of software to respond intelligently.
-
Visualization
Some thing interesting about visualization, use data art
-
Game
Some thing interesting about game, make everyone happy.
Recommend Org
-
Facebook
We are working to build community through open source technology. NB: members must have two-factor auth.
-
Microsoft
Open source projects and samples from Microsoft.
-
Google
Google โค๏ธ Open Source for everyone.
-
Alibaba
Alibaba Open Source for everyone
-
D3
Data-Driven Documents codes.
-
Tencent
China tencent open source team.