After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
Kurs Açıklaması
Python'da Verileri Temizlemeyi Keşfedin
Veri hazırlığı çok önemlidir: Veri bilimcilerin işinin %80'i verileri temizlemek ve işlemektir. İşin yalnızca %20'si gerçekten analiz etmektir. Verilerin temizlenmesi, her veri bilimcisi için önemli bir adımdır, çünkü kirli verilerin analizi yanlış sonuçlara yol açabilir.Bu kursta, Python'da basitinden ileri düzeyine kadar çeşitli veri temizleme sorunlarını nasıl belirleyeceğinizi, teşhis edeceğinizi ve tedavi edeceğinizi öğreneceksiniz. Uygun olmayan veri türlerini ele alacak, verilerinizin doğru aralıkta olup olmadığını kontrol edecek, eksik verileri işleyecek, kayıt bağlantısı gerçekleştirecek ve daha fazlasını yapacaksınız!
Farklı Veri Türlerini Temizlemeyi Öğrenin
Kursun ilk bölümünde yaygın veri sorunları ve bunların nasıl çözülebileceği ele alınmaktadır. Öncelikle temel veri türlerini ve bunların her birini nasıl kullanacağınızı öğreneceksiniz. Ardından, aralık kısıtlamaları uygulayacak ve yinelenen veri noktalarını kaldıracaksınız.Son bölümde, birden fazla veri setini birleştirmek için güçlü bir araç olan kayıt bağlantısı ele alınmaktadır. Dizgiler arasındaki benzerliği hesaplayarak kayıtları nasıl bağlayacağınızı öğreneceksiniz. Son olarak, yeni becerilerinizi kullanarak iki restoran yorum veri setini tek bir temiz ana veri setinde birleştireceksiniz.
Verileri Temizlemede Güven Kazanın
Kursun sonunda, çeşitli türdeki verileri temizleme ve kayıt bağlantısını kullanarak birden fazla veri kümesini birleştirme konusunda kendinize güven kazanacaksınız. Verileri temizlemek, veri bilimcileri için vazgeçilmez bir beceridir. Python'da veri temizleme ve uygulamaları hakkında daha fazla bilgi edinmek istiyorsanız, aşağıdaki bölümleri inceleyin: Python ile Veri Bilimcisi ve Python ile Veri İçe Aktarma ve Temizleme.Ön Koşullar
Müfredat
Kurs içeriği
1
Yaygın veri sorunları
Bu bölümde, en yaygın kirli veri sorunlarını nasıl aşacağını öğreneceksin. Veri tiplerini dönüştürecek, geleceğe ait veri noktalarını elemek için aralık kısıtları uygulayacak ve çift sayımı önlemek için yinelenen veri noktalarını kaldıracaksın.
- Veri türü kısıtları50 XP
- Yaygın veri türleri100 XP
- Sayısal veri mi yoksa ... ?100 XP
- String toplamak ve sayıları birleştirmek100 XP
- Veri aralığı kısıtları50 XP
- Lastik boyutu kısıtları100 XP
- Geleceğe dönüş100 XP
- Benzersizlik kısıtları50 XP
- Alt kümen ne kadar büyük?50 XP
- Yinelenenleri bulma100 XP
- Yinelenenleri temizleme100 XP
2
Metin ve kategorik veri sorunları
Yapısal olmadıkları için kategorik ve metin veriler, bir veri kümesinin en dağınık kısımları olabilir. Bu bölümde, kategori etiketlerindeki boşluk ve büyük/küçük harf tutarsızlıklarını düzeltecek, birden çok kategoriyi tek bir kategoride birleştirecek ve tutarlılık için dizgileri yeniden biçimlendireceksin.
3
İleri düzey veri sorunları
Bu bölümde, ağırlıkların pound yerine kilogram cinsinden yazıldığından emin olmak gibi daha ileri düzey veri temizleme problemlerine dalacaksın. Ayrıca, değerlerin doğru şekilde toplanıp toplanmadığını doğrulamana ve eksik değerlerin analizlerini olumsuz etkilemesini önlemene yardımcı olacak çok değerli beceriler edineceksin.
4
Kayıt eşleştirme
Kayıt eşleştirme, yazım hataları veya farklı yazımlar olduğunda birden fazla veri kümesini birleştirmek için kullanılan güçlü bir tekniktir. Bu bölümde, dizgiler arasındaki benzerliği hesaplayarak kayıtları nasıl eşleştireceğini öğreneceksin—ardından yeni becerilerini kullanarak iki restoran inceleme veri kümesini tek bir temiz ana veri kümesinde birleştireceksin.
Python ile Veri Temizleme
Kurs
Tamamlandı
