or
Cette activité fait partie du cours
Dans ce chapitre, vous apprendrez à surmonter certains des problèmes de données sales les plus fréquents. Vous convertirez des types de données, appliquerez des contraintes d’intervalle pour retirer des points de données du futur et supprimerez les doublons afin d’éviter le double comptage.
Les données catégorielles et textuelles sont souvent parmi les plus brouillonnes d’un ensemble de données en raison de leur nature non structurée. Dans ce chapitre, vous apprendrez à corriger les incohérences d’espaces et de casse dans les étiquettes de catégories, à regrouper plusieurs catégories en une seule et à reformater des chaînes de caractères pour assurer l’uniformité.
Dans ce chapitre, vous aborderez des problèmes de nettoyage plus avancés, par exemple vous assurer que les poids sont tous exprimés en kilogrammes plutôt qu’en livres. Vous acquerrez aussi des compétences précieuses pour vérifier que les valeurs ont été additionnées correctement et que les valeurs manquantes n’affectent pas négativement vos analyses.
Exercice en cours
L’appariement d’enregistrements est une technique puissante utilisée pour fusionner plusieurs ensembles de données, même lorsque les valeurs comportent des fautes de frappe ou des orthographes différentes. Dans ce chapitre, vous apprendrez à apparier des enregistrements en calculant la similarité entre des chaînes de caractères — vous utiliserez ensuite vos nouvelles compétences pour joindre deux ensembles d’évaluations de restaurants en un seul ensemble maître propre.