Dataset 1:
Dataset 2:
Colunas do dataset1
print(colnames(dataset1))
## [1] "App" "Category" "Rating" "Reviews"
## [5] "Size" "Installs" "Type" "Price"
## [9] "Content.Rating" "Genres" "Last.Updated" "Current.Ver"
## [13] "Android.Ver"
Colunas do dataset2
print(colnames(dataset2))
## [1] "App.Name" "App.Id" "Category"
## [4] "Rating" "Rating.Count" "Installs"
## [7] "Minimum.Installs" "Maximum.Installs" "Free"
## [10] "Price" "Currency" "Size"
## [13] "Minimum.Android" "Developer.Id" "Developer.Website"
## [16] "Developer.Email" "Released" "Last.Updated"
## [19] "Content.Rating" "Privacy.Policy" "Ad.Supported"
## [22] "In.App.Purchases" "Editors.Choice" "Scraped.Time"
Considerando que o dataset1 possui um número inferior de colunas em comparação com o dataset2, optou-se por selecionar um conjunto de colunas que representasse a interseção entre ambos conjuntos de dados(os nomes exibidos são pertinentes ao dataset1):
Tendo em vista que as colunas selecionadas não apresentam os mesmo nome em ambos datasets, todos os nomes no dataset1 serão atualizados para o padrão do dataset2.
Conjunto de colunas renomeadas:
Foi necessário remover a coluna “Category” já existente no dataset antes de aplicar os novos nomes.
# Removendo coluna "Category"
dataset1 <- dataset1 %>%
select(-Category)
# Renomeando colunas
dataset1 <- dataset1 %>%
rename(App.Name = App, Rating.Count = Reviews, Free = Type, Category = Genres, Minimum.Android = Android.Ver)
#Dataset1 renomeado
print(colnames(dataset1))
## [1] "App.Name" "Rating" "Rating.Count" "Size"
## [5] "Installs" "Free" "Price" "Content.Rating"
## [9] "Category" "Last.Updated" "Current.Ver" "Minimum.Android"
A coluna “Free” no dataset2 contém valores booleanos, assumindo o valor True se o aplicativo for gratuito e False se for pago. Em contrapartida, a coluna “Free” (renomada) no dataset1 utiliza os rótulos “Free” e “Paid” para expressar a mesma informação. Para harmonizar a representação, ajustaremos os valores da coluna no dataset1, substituindo “Free” por True.
#Ajustando coluna Free para Booleano
dataset1$Free <- dataset1$Free == "Free"
#Exibindo valores únicos
valores_unicos <- unique(dataset1$Free)
print(valores_unicos)
## [1] TRUE FALSE
Nesta etapa, serão eliminadas todas as colunas que não serão utilizadas no dataset1.
#Removendo colunas não utilizada no dataset1
dataset1 <- dataset1 %>%
select(-Content.Rating, -Current.Ver)
Nesta fase, procederemos à fusão dos dois datasets, utilizando a coluna ‘App.Name’ como chave única. Apenas as colunas do dataset1 serão preservadas durante esse processo de união.
#Unificando conjunto de dados
dataset_final <- merge(dataset1, dataset2[, colnames(dataset1)], by = "App.Name", all.x = TRUE)