After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
Kursbeskrivning
Upptäck hur du rengör data i Python
Det sägs ofta att data scientists lägger 80 % av sin tid på att rensa och bearbeta data och bara 20 % på att analysera den. Datastädning är ett viktigt steg för varje data scientist, eftersom analys av smutsig data kan leda till felaktiga slutsatser.I den här kursen lär du dig att identifiera, diagnostisera och åtgärda olika problem med datarensning i Python, från enkla till avancerade. Du kommer att hantera felaktiga datatyper, kontrollera att dina data ligger inom rätt intervall, hantera saknade data, utföra postlänkning och mycket mer!
Lär dig hur du rengör olika datatyper
Det första kapitlet i kursen utforskar vanliga dataproblem och hur du kan åtgärda dem. Du kommer först att förstå grundläggande datatyper och hur du hanterar dem var för sig. Efteråt kommer du att tillämpa intervallbegränsningar och ta bort duplicerade datapunkter.Det sista kapitlet utforskar record linkage, ett kraftfullt verktyg för att sammanföra flera datamängder. Du kommer att lära dig hur du länkar poster genom att beräkna likheten mellan strängar. Slutligen kommer du att använda dina nya färdigheter för att slå ihop två dataset med restaurangrecensioner till ett enda rent masterdataset.
Få självförtroende i att rensa data
I slutet av kursen kommer du att få självförtroendet att rensa data av olika typer och använda record linkage för att slå samman flera datamängder. Att rensa data är en viktig färdighet för data scientists. Om du vill lära dig mer om att rensa data i Python och dess tillämpningar, kolla in följande spår: Data Scientist med Python och Importera och rensa data med Python.Förkunskapskrav
Kursplan
Kursöversikt
1
Vanliga dataproblem
I det här kapitlet lär du dig att hantera några av de vanligaste problemen med smutsiga data. Du konverterar datatyper, tillämpar intervallbegränsningar för att ta bort framtida datapunkter och tar bort duplicerade datapunkter för att undvika dubbelräkning.
- Datatypsbegränsningar50 XP
- Vanliga datatyper100 XP
- Numerisk data eller ... ?100 XP
- Summera strängar och konkatenera tal100 XP
- Begränsningar för dataomfång50 XP
- Begränsningar för däckstorlek100 XP
- Tillbaka till framtiden100 XP
- Unikhetsbegränsningar50 XP
- Hur stor är din delmängd?50 XP
- Hitta dubbletter100 XP
- Hantera dubbletter100 XP
2
Problem med text- och kategoridata
Kategori- och textdata kan ofta vara de mest ostrukturerade delarna av en datamängd. I det här kapitlet lär du dig att åtgärda inkonsekvent blanksteg och versalisering i kategorietiketter, slå samman flera kategorier till en och formatera om strängar för konsekvens.
3
Avancerade dataproblem
I det här kapitlet går du djupare in på avancerade datarensningsproblem, till exempel att säkerställa att vikter anges i kilogram i stället för pund. Du utvecklar också värdefulla färdigheter som hjälper dig att verifiera att värden har lagts till korrekt och att saknade värden inte påverkar dina analyser negativt.
4
Postlänkning
Postlänkning är en kraftfull teknik för att slå samman flera datamängder, särskilt när värden innehåller stavfel eller varianter av samma stavning. I det här kapitlet lär du dig att länka poster genom att beräkna likheten mellan strängar – sedan använder du dina nya kunskaper för att slå samman två restaurangrecensiondatamängder till en ren masterdatamängd.
Datarensning i Python
Kurs
slutförd
