Direkt zum Inhalt
StartseitePythonDatenbereinigung in Python

Datenbereinigung in Python

Lernen Sie, schmutzige Daten zu diagnostizieren und zu behandeln, um genaue Einblicke zu gewinnen!

Kurs Kostenlos Starten
4 Stunden13 Videos44 Übungen119.253 LernendeTrophyLeistungsnachweis

Kostenloses Konto erstellen

GoogleLinkedInFacebook

oder

Durch Klick auf die Schaltfläche akzeptierst du unsere Nutzungsbedingungen, unsere Datenschutzrichtlinie und die Speicherung deiner Daten in den USA.
Group

Trainierst du 2 oder mehr?

Versuchen DataCamp for Business

Beliebt bei Lernenden in Tausenden Unternehmen


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.
Für Unternehmen

GroupTrainierst du 2 oder mehr?

Erhalten Sie für Ihr Team Zugriff auf die vollständige DataCamp-Bibliothek mit zentralisierten Berichten, Zuweisungen, Projekten und mehr
Testen Sie DataCamp for BusinessFür eine maßgeschneiderte Lösung buchen Sie eine Demo.

In den folgenden Tracks

Zertifizierung verfügbar

Dateningenieur in Python

Gehe zu Track
Zertifizierung verfügbar

Associate Data Scientist in Python

Gehe zu Track

Daten importieren und bereinigen mit Python

Gehe zu Track
  1. 1

    Häufige Datenprobleme

    Kostenlos

    In diesem Kapitel erfährst du, wie du einige der häufigsten Probleme mit unreinen Daten lösen kannst. Du konvertierst Datentypen, wendest Bereichsbeschränkungen an, um zukünftige Datenpunkte zu entfernen, und entfernst doppelte Datenpunkte, um Doppelzählungen zu vermeiden.

    Kapitel Jetzt Abspielen
    Datentypbeschränkungen
    50 xp
    Häufige Datentypen
    100 xp
    Numerische Daten oder ... ?
    100 xp
    Summieren von Zeichenketten und Verketten von Zahlen
    100 xp
    Einschränkungen des Datenbereichs
    50 xp
    Einschränkungen bei der Reifengröße
    100 xp
    Zurück in die Zukunft
    100 xp
    Eindeutigkeitsbeschränkungen
    50 xp
    Wie groß ist deine Teilmenge?
    50 xp
    Duplikate finden
    100 xp
    Behandlung von Duplikaten
    100 xp
  2. 2

    Probleme mit Text und kategorialen Daten

    Kategoriale 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 Kategoriebeschriftungen behebst, mehrere Kategorien zu einer zusammenfasst und Zeichenketten neu formatierst, um die Konsistenz zu gewährleisten.

    Kapitel Jetzt Abspielen
  3. 3

    Fortgeschrittene Datenprobleme

    In diesem Kapitel beschäftigst du dich mit fortgeschrittenen Datenbereinigungsproblemen, z. B. damit du sicherstellen kannst, dass alle Gewichte in Kilogramm statt in Pfund angegeben werden. Du erwirbst außerdem unschätzbare Fähigkeiten, mit denen du überprüfen kannst, ob die Werte korrekt hinzugefügt wurden und ob fehlende Werte deine Analysen nicht negativ beeinflussen.

    Kapitel Jetzt Abspielen
  4. 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.

    Kapitel Jetzt Abspielen
Für Unternehmen

GroupTrainierst du 2 oder mehr?

Erhalten Sie für Ihr Team Zugriff auf die vollständige DataCamp-Bibliothek mit zentralisierten Berichten, Zuweisungen, Projekten und mehr

In den folgenden Tracks

Zertifizierung verfügbar

Dateningenieur in Python

Gehe zu Track
Zertifizierung verfügbar

Associate Data Scientist in Python

Gehe zu Track

Daten importieren und bereinigen mit Python

Gehe zu Track

Datensätze

Ride sharing datasetAirlines datasetBanking datasetRestaurants datasetRestaurants dataset II

Mitwirkende

Collaborator's avatar
Maggie Matsui
Collaborator's avatar
Amy Peterson
Collaborator's avatar
Richie Cotton
Adel Nehme HeadshotAdel Nehme

VP of Media, DataCamp

Mehr Anzeigen

Was sagen andere Lernende?

Melden Sie sich an 15 Millionen Lernende und starten Sie Datenbereinigung in Python Heute!

Kostenloses Konto erstellen

GoogleLinkedInFacebook

oder

Durch Klick auf die Schaltfläche akzeptierst du unsere Nutzungsbedingungen, unsere Datenschutzrichtlinie und die Speicherung deiner Daten in den USA.