任务 67:

数据质量分析

分析 yellow_tripdata 表，以识别和量化各种数据质量问题。您的输出应包括以下列：
- total_rows：数据集中总行数
- missing_pickup_count：缺少 tpep_pickup_datetime 的行数
- missing_dropoff_count：缺少 tpep_dropoff_datetime 的行数
- invalid_distance_count：具有无效 trip_distance 的行数
- invalid_amount_count：具有无效 total_amount 的行数
- invalid_passenger_count：具有无效 passenger_count 的行数
- invalid_time_count：具有无效时间数据的行数
- problematic_row_count：具有任何质量问题的行数
- clean_row_percentage：没有质量问题的行的百分比，四舍五入到小数点后两位

确保结果按 total_rows 降序排序。

使用 DuckDB 语法来写您的答案。表的描述在右侧窗格中提供。

在下面的字段中写下您的请求并点击 "检查它！" 按钮。

教程获取提示

复制代码清除编辑器

DuckDB yellow_tripdata 数据集

关于 DuckDB

DuckDB 是一款嵌入式分析型数据库，适用于对本地数据和应用数据执行快速查询。

它支持 SQL，可以直接运行在应用程序中，无需单独的服务器进程。DuckDB 采用列式存储和执行方式，非常适合分析大型数据集、进行聚合计算以及处理 CSV 和 Parquet 文件。

在本 playground 中，DuckDB 用于通过出租车行程数据集练习 SQL。

yellow_tripdata 是一个包含纽约市黄色出租车行程的学习数据集。

该表适合练习筛选、分组、排序、日期操作以及在 DuckDB 中进行聚合计算。

此数据集中的所有字段都允许使用 NULL 值。未定义主键或其他约束。

yellow_tripdata 表

yellow_tripdata - 黄色出租车行程。

VendorID 出租车服务供应商标识符。
tpep_pickup_datetime 乘客上车的日期和时间。
tpep_dropoff_datetime 乘客下车的日期和时间。
passenger_count 乘客数量。
trip_distance 行程距离。
RatecodeID 费率代码标识符。
store_and_fwd_flag 表示行程数据是否在转发前被暂存。
PULocationID 上车区域标识符。
DOLocationID 下车区域标识符。
payment_type 付款方式标识符。
fare_amount 不含额外费用的行程费用。
extra 额外费用。
mta_tax MTA 税费。
tip_amount 小费金额。
tolls_amount 通行费金额。
improvement_surcharge 交通系统改善附加费。
total_amount 行程总费用。
congestion_surcharge 拥堵附加费。
Airport_fee 机场费用。

yellow_tripdata 表结构
列名	类型	NULL	键	默认值	其他
VendorID	INTEGER	YES	[null]	[null]	[null]
tpep_pickup_datetime	TIMESTAMP	YES	[null]	[null]	[null]
tpep_dropoff_datetime	TIMESTAMP	YES	[null]	[null]	[null]
passenger_count	BIGINT	YES	[null]	[null]	[null]
trip_distance	DOUBLE	YES	[null]	[null]	[null]
RatecodeID	BIGINT	YES	[null]	[null]	[null]
store_and_fwd_flag	VARCHAR	YES	[null]	[null]	[null]
PULocationID	INTEGER	YES	[null]	[null]	[null]
DOLocationID	INTEGER	YES	[null]	[null]	[null]
payment_type	BIGINT	YES	[null]	[null]	[null]
fare_amount	DOUBLE	YES	[null]	[null]	[null]
extra	DOUBLE	YES	[null]	[null]	[null]
mta_tax	DOUBLE	YES	[null]	[null]	[null]
tip_amount	DOUBLE	YES	[null]	[null]	[null]
tolls_amount	DOUBLE	YES	[null]	[null]	[null]
improvement_surcharge	DOUBLE	YES	[null]	[null]	[null]
total_amount	DOUBLE	YES	[null]	[null]	[null]
congestion_surcharge	DOUBLE	YES	[null]	[null]	[null]
Airport_fee	DOUBLE	YES	[null]	[null]	[null]

练习

课程

练习场

测试

数据质量分析

登录

注册

数据质量分析