Nach diesen Kursen fühle ich mich sicher, professionelle Visualisierungen und Dashboards zu erstellen.
Shoebur RahmanBeschaffungsspezialist, Giz Bangladesh
Kursbeschreibung
Entdecke, wie man Daten in Python bereinigt
Man sagt, dass Datenwissenschaftler/innen 80 % ihrer Zeit mit dem Bereinigen und Bearbeiten von Daten verbringen und nur 20 % ihrer Zeit mit der Analyse. Die Datenbereinigung ist ein wichtiger Schritt für jeden Datenwissenschaftler, da die Analyse von verschmutzten Daten zu ungenauen Schlussfolgerungen führen kann.In diesem Kurs lernst du, wie du verschiedene Probleme bei der Datenbereinigung in Python erkennen, diagnostizieren und behandeln kannst, von einfach bis fortgeschritten. Du wirst mit falschen Datentypen umgehen, überprüfen, ob deine Daten im richtigen Bereich liegen, mit fehlenden Daten umgehen, Datensatzverknüpfungen durchführen und vieles mehr!
Lernen, wie man verschiedene Datentypen bereinigt
Im ersten Kapitel des Kurses geht es um häufige Datenprobleme und wie du sie beheben kannst. Du wirst zunächst die grundlegenden Datentypen verstehen und wissen, wie du mit ihnen einzeln umgehen kannst. Danach wendest du Bereichsbeschränkungen an und entfernst doppelte Datenpunkte.Das letzte Kapitel befasst sich mit der Datensatzverknüpfung, einem leistungsstarken Werkzeug zum Zusammenführen mehrerer Datensätze. Du lernst, wie du Datensätze miteinander verknüpfst, indem du die Ähnlichkeit zwischen Zeichenketten berechnest. Zum Schluss wendest du deine neuen Kenntnisse an, um zwei Restaurantkritiken zu einem sauberen Masterdatensatz zu verbinden.
Gewinnen Sie Vertrauen in die Datenbereinigung
Am Ende des Kurses bist du in der Lage, verschiedene Datentypen zu bereinigen und Datensätze miteinander zu verknüpfen, um mehrere Datensätze zusammenzuführen. Das Bereinigen von Daten ist eine wichtige Fähigkeit für Datenwissenschaftler. Wenn du mehr über das Bereinigen von Daten in Python und seine Anwendungen erfahren möchtest, schau dir die folgenden Lernpfade an: Data Scientist with Python und Importing & Cleaning Data with Python.Voraussetzungen
Lernprogramm
Kursübersicht
1
Häufige Datenprobleme
In diesem Kapitel erfährst du, wie du einige der häufigsten Probleme mit unsauberen Daten lösen kannst. Du konvertierst Datentypen, wendest Bereichsbeschränkungen an, um Datenpunkte mit einem Datum in der Zukunft zu entfernen, und entfernst doppelte Datenpunkte, um Doppelzählungen zu vermeiden.
- Datentypbeschränkungen50 XP
- Häufig verwendete Datentypen100 XP
- Numerische Daten oder ... ?100 XP
- Summieren von Zeichenketten und Verketten von Zahlen100 XP
- Einschränkungen des Datenbereichs50 XP
- Reifengrößenbeschränkung100 XP
- Zurück in die Zukunft100 XP
- Eindeutigkeitsbeschränkungen50 XP
- Wie groß ist deine Teilmenge?50 XP
- Duplikate ermitteln100 XP
- Behandlung von Duplikaten100 XP
2
Probleme mit Text und kategorialen Daten
Kategoriale Daten und Textdaten gehören oft zu den unübersichtlichsten Teilen eines Datensatzes, weil sie unstrukturiert sind. In diesem Kapitel erfährst du, wie du Unstimmigkeiten bei Leerzeichen und Großschreibung in Kategoriekennzeichnungen behebst, mehrere Kategorien zu einer zusammenfasst und Zeichenketten neu formatierst, um die Konsistenz zu gewährleisten.
3
Fortgeschrittene Datenprobleme
In diesem Kapitel beschäftigst du dich mit fortgeschrittenen Datenbereinigungsproblemen, z. B. damit wie du sicherstellen kannst, dass alle Gewichtsangaben in Kilogramm statt in Pfund angegeben werden. Du erwirbst außerdem wertvolle Fähigkeiten, mit denen du überprüfen kannst, ob Werte korrekt hinzugefügt wurden und ob fehlende Werte deine Analysen nicht negativ beeinflussen.
4
Datensatzverknüpfung
Die Datensatzverknüpfung ist eine leistungsstarke Technik, mit der mehrere Datensätze zusammengeführt werden können, wenn die Werte Tippfehler oder unterschiedliche Schreibweisen aufweisen. In diesem Kapitel lernst du, wie du Datensätze miteinander verknüpfst, indem du die Ähnlichkeit zwischen Zeichenketten berechnest, und dann deine neuen Kenntnisse einsetzt, um zwei Restaurantbewertungsdatensätze zu einem einzigen, sauberen Masterdatensatz zu verbinden.
Datenbereinigung in Python
Kurs
abgeschlossen
