Name: การทำความสะอาดข้อมูลใน Python
Rating: 4.797583081570997 (5296 reviews)

รายละเอียดคอร์ส

ค้นพบวิธีทำความสะอาดข้อมูลด้วย Python

มักกล่าวกันว่านักวิทยาศาสตร์ข้อมูลใช้เวลา 80% ไปกับการทำความสะอาดและจัดการข้อมูล และใช้เวลาเพียง 20% ในการวิเคราะห์ข้อมูล การทำความสะอาดข้อมูลเป็นขั้นตอนสำคัญสำหรับนักวิทยาศาสตร์ข้อมูลทุกคน เพราะการวิเคราะห์ข้อมูลที่ไม่สะอาดอาจนำไปสู่ข้อสรุปที่ไม่ถูกต้อง

ในหลักสูตรนี้ คุณจะได้เรียนรู้วิธีระบุ วินิจฉัย และแก้ไขปัญหาการทำความสะอาดข้อมูลหลากหลายรูปแบบใน Python ตั้งแต่ระดับง่ายไปจนถึงขั้นสูง คุณจะจัดการกับชนิดข้อมูลที่ไม่ถูกต้อง ตรวจสอบว่าข้อมูลของคุณอยู่ในช่วงที่ถูกต้อง จัดการข้อมูลที่ขาดหาย ทำการเชื่อมโยงระเบียน และอื่นๆ อีกมากมาย!

เรียนรู้วิธีทำความสะอาดข้อมูลประเภทต่างๆ

บทแรกของหลักสูตรจะสำรวจปัญหาข้อมูลที่พบบ่อยและวิธีที่คุณสามารถแก้ไขได้ คุณจะเริ่มจากทำความเข้าใจชนิดข้อมูลพื้นฐานและวิธีจัดการกับแต่ละชนิดอย่างเหมาะสม หลังจากนั้น คุณจะใช้ข้อจำกัดของช่วงและลบจุดข้อมูลที่ซ้ำกัน

บทสุดท้ายจะสำรวจการเชื่อมโยงระเบียน ซึ่งเป็นเครื่องมือทรงพลังสำหรับการรวมชุดข้อมูลหลายชุดเข้าด้วยกัน คุณจะได้เรียนรู้วิธีเชื่อมโยงระเบียนโดยการคำนวณความคล้ายคลึงระหว่างสตริง สุดท้าย คุณจะนำทักษะใหม่ของคุณไปใช้ในการรวมชุดข้อมูลรีวิวร้านอาหารสองชุดให้เป็นชุดข้อมูลหลักที่สะอาดเพียงชุดเดียว

สร้างความมั่นใจในการทำความสะอาดข้อมูล

เมื่อจบหลักสูตรนี้ คุณจะมีความมั่นใจในการทำความสะอาดข้อมูลจากหลากหลายประเภท และใช้การเชื่อมโยงระเบียนเพื่อรวมชุดข้อมูลหลายชุดเข้าด้วยกัน การทำความสะอาดข้อมูลเป็นทักษะสำคัญสำหรับนักวิทยาศาสตร์ข้อมูล หากคุณต้องการเรียนรู้เพิ่มเติมเกี่ยวกับการทำความสะอาดข้อมูลใน Python และการประยุกต์ใช้งาน ลองดูเส้นทางการเรียนรู้ต่อไปนี้: นักวิทยาศาสตร์ข้อมูลด้วย Python และการนำเข้าและทำความสะอาดข้อมูลด้วย Python

ข้อกำหนดเบื้องต้น

Python Toolbox Joining Data with pandas

หลักสูตร

โครงร่างคอร์ส

ปัญหาข้อมูลที่พบบ่อย

ในบทนี้จะได้เรียนรู้วิธีรับมือกับปัญหาข้อมูลสกปรกที่พบได้บ่อยที่สุด ครอบคลุมการแปลงประเภทข้อมูล การกำหนดขอบเขตช่วงเพื่อกรองข้อมูลในอนาคตออก และการลบข้อมูลซ้ำเพื่อป้องกันการนับซ้ำ

เริ่มบท

ปัญหาข้อมูลข้อความและข้อมูลหมวดหมู่

ข้อมูลหมวดหมู่และข้อมูลข้อความมักเป็นส่วนที่ยุ่งเหยิงที่สุดในชุดข้อมูล เนื่องจากมีโครงสร้างไม่แน่นอน ในบทนี้จะได้เรียนรู้วิธีแก้ไขความไม่สม่ำเสมอของช่องว่างและตัวพิมพ์ในป้ายชื่อหมวดหมู่ การรวมหลายหมวดหมู่เข้าด้วยกัน และการจัดรูปแบบสตริงให้เป็นมาตรฐานเดียวกัน

เริ่มบท

ปัญหาข้อมูลขั้นสูง

ในบทนี้จะได้เจาะลึกปัญหาการทำความสะอาดข้อมูลขั้นสูง เช่น การตรวจสอบว่าค่าน้ำหนักทั้งหมดใช้หน่วยกิโลกรัมแทนปอนด์ นอกจากนี้ยังจะได้เรียนรู้ทักษะสำคัญในการตรวจสอบความถูกต้องของค่าที่บันทึกไว้ และการป้องกันไม่ให้ค่าที่หายไปส่งผลเสียต่อการวิเคราะห์

เริ่มบท

การเชื่อมโยงระเบียน

การเชื่อมโยงระเบียนเป็นเทคนิคที่มีประสิทธิภาพสำหรับการรวมชุดข้อมูลหลายชุดเข้าด้วยกัน โดยเฉพาะเมื่อค่าต่าง ๆ มีการสะกดผิดหรือสะกดต่างกัน ในบทนี้จะได้เรียนรู้วิธีเชื่อมโยงระเบียนโดยการคำนวณความคล้ายคลึงระหว่างสตริง แล้วนำทักษะที่ได้ไปใช้รวมชุดข้อมูลรีวิวร้านอาหารสองชุดให้เป็นชุดข้อมูลหลักที่สะอาด