Pythonによるデータクリーニング

Pythonでデータをクレンジングする方法を学ぶ

よく言われるのは、データサイエンティストは時間の80%をデータのクリーニングと操作に費やし、分析に使うのはわずか20%だということです。 データクリーニングは、すべてのデータサイエンティストにとって欠かせないステップです。なぜなら、汚れたデータを分析すると、誤った結論につながる可能性があるからです。

このコースでは、Pythonでシンプルなものから高度なものまで、さまざまなデータクリーニングの問題を特定、診断、解決する方法を学びます。 不適切なデータ型への対処、データが正しい範囲に収まっているかの確認、欠損データの処理、レコードリンケージなどを行います！

さまざまなデータ型をクレンジングする方法を学ぶ

コースの第1章では、よくあるデータの問題とその解決方法について学びます。 まずは基本的なデータ型を理解し、それぞれを個別にどのように扱うかを把握します。 その後、範囲制約を適用し、重複したデータポイントを削除します。

最後の章では、複数のデータセットを結合するための強力なツールであるレコードリンケージを扱います。 文字列間の類似度を計算してレコードをリンクする方法を学びます。 最後に、新たに身につけたスキルを使って、2つのレストランレビューのデータセットを1つのクリーンな統合データセットに結合することになります。

データのクリーニングに自信をつける

コースの終了時には、さまざまな種類のデータをクレンジングし、レコードリンケージを使って複数のデータセットを統合する自信が身につきます。 データのクリーニングは、データサイエンティストにとって不可欠なスキルです。 Pythonでのデータのクリーニングとその応用についてさらに学びたい方は、以下のトラックをご覧ください: PythonでデータサイエンスとPythonでのデータのインポートとクリーニング