Après avoir suivi ces cours, je me sens confiant dans la création de visualisations et de tableaux de bord professionnels.
Shoebur RahmanSpécialiste des marchés publics, Giz Bangladesh
Description du cours
Découvrez comment nettoyer des données en Python
La préparation des données est fondamentale : les scientifiques des données passent 80 % de leur temps à nettoyer et manipuler les données, et seulement 20 % de leur temps à les analyser. Le nettoyage des données est une étape essentielle pour tout scientifique des données, car l'analyse de données sales peut conduire à des conclusions inexactes.Dans ce cours, vous apprendrez à identifier, diagnostiquer et traiter divers problèmes de nettoyage de données en Python, allant du plus simple au plus avancé. Vous traiterez les types de données inappropriés, vous vérifierez que vos données se situent dans la bonne plage, vous gérerez les données manquantes, vous effectuerez le couplage d'enregistrements, et bien plus encore !
Apprenez à nettoyer différents types de données
Le premier chapitre du cours explore les problèmes courants liés aux données et la manière dont vous pouvez les résoudre. Vous commencerez par comprendre les types de données de base et la manière de les traiter individuellement. Ensuite, vous appliquerez des contraintes de plage et supprimerez les points de données dupliqués.Le dernier chapitre explore le couplage d'enregistrements, un outil puissant permettant de fusionner plusieurs ensembles de données. Vous apprendrez à lier des enregistrements en calculant la similarité entre les chaînes de caractères. Enfin, vous utiliserez vos nouvelles compétences pour fusionner deux ensembles de données de critiques de restaurants en un seul ensemble de données principal propre.
Gagnez en confiance dans le nettoyage des données
À la fin de la formation, vous serez en mesure de nettoyer des données de différents types et d'utiliser le couplage d'enregistrements pour fusionner plusieurs ensembles de données. Le nettoyage des données est une compétence essentielle pour les data scientists. Si vous souhaitez en savoir plus sur le nettoyage de données en Python et ses applications, consultez les cursus suivants : Data Scientist avec Python et Importation et nettoyage de données avec Python.Prérequis
Programme de formation
Plan du cours
1
Problèmes courants de données
Dans ce chapitre, vous apprendrez à surmonter certains des problèmes de données sales les plus courants. Vous convertirez des types de données, appliquerez des contraintes d'intervalle pour exclure des points futurs et supprimerez les doublons afin d'éviter le double comptage.
- Contraintes relatives aux types de données50 XP
- Types de données courants100 XP
- Données numériques ou…?100 XP
- Additionner des chaînes de caractères et concaténer des nombres100 XP
- Contraintes relatives à la plage de données50 XP
- Contraintes relatives à la taille des pneus100 XP
- Retour vers le futur100 XP
- Contraintes d'unicité50 XP
- Quelle est la taille de votre sous-ensemble ?50 XP
- Recherche de doublons100 XP
- Traitement des doublons100 XP
2
Problèmes de données textuelles et catégorielles
Les données catégorielles et textuelles sont souvent les plus désordonnées d'un jeu de données en raison de leur nature non structurée. Dans ce chapitre, vous apprendrez à corriger les incohérences d'espaces et de capitalisation dans les libellés de catégorie, à regrouper plusieurs catégories en une seule et à reformater les chaînes pour plus de cohérence.
3
Problèmes avancés de données
Dans ce chapitre, vous aborderez des problèmes de nettoyage plus avancés, comme s'assurer que tous les poids sont exprimés en kilogrammes plutôt qu'en livres. Vous acquerrez aussi des compétences précieuses pour vérifier que les valeurs ont été additionnées correctement et que les valeurs manquantes n'affectent pas négativement vos analyses.
4
Rapprochement d'enregistrements
Le rapprochement d'enregistrements est une technique puissante utilisée pour fusionner plusieurs jeux de données lorsque les valeurs comportent des fautes de frappe ou des orthographes différentes. Dans ce chapitre, vous apprendrez à lier des enregistrements en calculant la similarité entre des chaînes de caractères—vous utiliserez ensuite ces nouvelles compétences pour fusionner deux jeux de critiques de restaurants en un seul jeu de données maître, propre et cohérent.
Nettoyer des données en Python
Cours
terminé
