After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
Descrierea cursului
Descoperă cum să cureți datele în Python
Se spune adesea că oamenii de știință în domeniul datelor își petrec 80% din timp curățând și manipulând datele și doar 20% din timp analizându-le. Curățarea datelor este un pas esențial pentru orice data scientist, deoarece analiza datelor murdare poate duce la concluzii inexacte.În acest curs, vei învăța cum să identifici, să diagnostichezi și să rezolvi diverse probleme de curățare a datelor în Python, de la cele simple la cele avansate. Vei lucra cu tipuri de date necorespunzătoare, vei verifica dacă datele tale se află în intervalul corect, vei gestiona datele lipsă, vei realiza asocierea înregistrărilor și multe altele!
Învață cum să cureți diferite tipuri de date
Primul capitol al cursului explorează problemele frecvente ale datelor și cum le poți rezolva. Vei înțelege mai întâi tipurile de date de bază și cum să lucrezi cu ele individual. După aceea, vei aplica constrângeri de interval și vei elimina punctele de date duplicate.Ultimul capitol explorează legarea înregistrărilor, un instrument puternic pentru a îmbina mai multe seturi de date. Vei învăța cum să legi înregistrările calculând similaritatea dintre șiruri. În cele din urmă, vei folosi noile tale abilități pentru a uni două seturi de date cu recenzii de restaurante într-un singur set de date principal, curat.
Câștigă încredere în curățarea datelor
La finalul cursului, vei dobândi încrederea necesară pentru a curăța date din diverse tipuri și pentru a folosi record linkage pentru a îmbina mai multe seturi de date. Curățarea datelor este o abilitate esențială pentru oamenii de știință în domeniul datelor. Dacă vrei să afli mai multe despre curățarea datelor în Python și aplicațiile sale, consultă următoarele trasee: Data Scientist cu Python și Importarea și Curățarea Datelor cu Python.Cerințe prealabile
Curriculum
Structura cursului
1
Probleme frecvente ale datelor
În acest capitol vei învăța cum să depășești unele dintre cele mai frecvente probleme ale datelor murdare. Vei converti tipuri de date, vei aplica constrângeri de interval pentru a elimina puncte de date din viitor și vei elimina duplicatele pentru a evita dubla contorizare.
- Constrângeri privind tipurile de date50 XP
- Tipuri comune de date100 XP
- Date numerice sau ... ?100 XP
- Adunarea șirurilor și concatenarea numerelor100 XP
- Constrângeri de interval pentru date50 XP
- Constrângeri privind dimensiunea anvelopelor100 XP
- Înapoi în viitor100 XP
- Constrângeri de unicitate50 XP
- Cât de mare este subsetul tău?50 XP
- Găsirea duplicatelor100 XP
- Tratarea duplicatelor100 XP
2
Probleme cu datele text și categoriale
Datele categoriale și cele text pot fi unele dintre cele mai dezordonate părți ale unui set de date, din cauza naturii lor nestructurate. În acest capitol vei învăța cum să corectezi inconsistențele de spațiere și de majuscule din etichetele categoriilor, să grupezi mai multe categorii într-una singură și să reformatezi șirurile de caractere pentru consistență.
3
Probleme avansate ale datelor
În acest capitol vei aborda probleme mai avansate de curățare a datelor, cum ar fi verificarea că greutățile sunt exprimate în kilograme, nu în livre. Vei dobândi, de asemenea, abilități valoroase care te vor ajuta să verifici că valorile au fost adăugate corect și că valorile lipsă nu afectează negativ analizele tale.
4
Legătura între înregistrări
Legătura între înregistrări este o tehnică puternică folosită pentru a îmbina mai multe seturi de date, utilă atunci când valorile conțin greșeli de scriere sau variante ortografice diferite. În acest capitol vei învăța cum să legi înregistrările calculând similaritatea dintre șiruri de caractere – apoi vei folosi noile abilități pentru a uni două seturi de date cu recenzii de restaurante într-un set de date principal, curat.
Curățarea datelor în Python
Curs
finalizat
