Dans ce chapitre, vous apprendrez à résoudre certains des problèmes les plus courants liés aux données imparfaites. Vous convertirez des types de données, appliquerez des contraintes de plage pour retirer les valeurs futures et supprimerez les doublons afin d'éviter le double comptage.

Contraintes de type de données

Types de données courants

Conversion des types de données

Nettoyer des chaînes de caractères

Contraintes de plage

Contraintes sur la durée des trajets

Retour vers le futur

Contraintes d'unicité

Doublons complets

Supprimer les doublons partiels

Agréguer des doublons partiels

Problèmes courants de données

Les données catégorielles et textuelles sont souvent les plus brouillonnes d'un jeu de données en raison de leur nature non structurée. Dans ce chapitre, vous verrez comment corriger les incohérences d'espacement et de majuscules dans les étiquettes de catégories, regrouper plusieurs catégories en une seule et reformater les chaînes pour assurer l'uniformité.

Vérifier l'appartenance

Réservé aux membres

N'est pas membre

Problèmes avec les données catégorielles

Repérer les incohérences

Corriger les incohérences

Regrouper des catégories

Nettoyer des données textuelles

Détecter des incohérences dans les données textuelles

Remplacer et supprimer

Numéros de téléphone non valides

Données catégorielles et textuelles

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 ajoutées correctement et que les valeurs manquantes n'affectent pas négativement vos analyses.

Uniformité

Uniformité des dates

Uniformité des devises

Validation croisée des champs

Valider les totaux

Valider l'âge

Exhaustivité

Options

Manquantes complètement au hasard

Manquantes au hasard

Manquantes de façon non aléatoire

Types de données manquantes

Visualiser les valeurs manquantes

Traiter les données manquantes

Problèmes de données avancés

Le couplage d'enregistrements est une technique puissante pour fusionner plusieurs jeux de données lorsque des valeurs comportent des fautes de frappe ou des orthographes différentes. Dans ce chapitre, vous apprendrez à relier des enregistrements en calculant la similarité entre des chaînes, puis vous utiliserez vos nouvelles compétences pour réunir deux jeux de données d'évaluations de restaurants en un jeu maître propre.

Comparer des chaînes

Calculer une distance

Petite distance, petite différence

Corriger les fautes de frappe avec la distance entre chaînes

Générer et comparer des paires

Coupler ou joindre?

Blocage de paires

Comparer des paires

Évaluer et lier

D'abord attribuer un score puis sélectionner, ou l'inverse?

Tout mettre en pratique

Félicitations !

Couplage d'enregistrements

Bike Sharing

Fodor's

Zagat

SFO Satisfaction Survey

Customer Accounts

<h2>Surmontez les problèmes courants de données, comme la suppression des doublons, dans R </h2>
On dit souvent que les scientifiques des données passent 80 % de leur temps à nettoyer et à transformer les données, et seulement 20 % à les analyser. Ce temps de nettoyage est essentiel, car analyser des données imparfaites peut vous mener à des conclusions erronées.
<br><br>
Dans ce cours, vous apprendrez diverses techniques pour nettoyer des données imparfaites avec R. Vous commencerez par convertir des types de données, appliquer des contraintes de plage et gérer les doublons complets et partiels pour éviter le double comptage.
<br><br>
<h2>Plongez dans des défis de données avancés </h2>
Une fois les problèmes courants maîtrisés, vous passerez à des défis plus avancés, comme assurer l'uniformité des mesures et traiter les données manquantes. Après chaque nouveau concept, vous aurez l'occasion de réaliser un exercice pratique pour consolider vos acquis et gagner en expérience.
<br><br>
<h2>Apprenez à utiliser le couplage d'enregistrements lors du nettoyage </h2>
Le couplage d'enregistrements sert à fusionner des jeux de données lorsque les valeurs comportent des fautes de frappe ou des variantes orthographiques. Vous explorerez cette technique utile dans le dernier chapitre et la mettrez en pratique pour réunir deux jeux de données d'évaluations de restaurants en un seul ensemble.

<h2>Surmontez les problèmes courants liés aux données, comme la suppression des doublons dans R </h2>
On affirme souvent que les scientifiques des données consacrent 80 % de leur temps au nettoyage et à la manipulation des données, et seulement 20 % à leur analyse. Le temps consacré au nettoyage est essentiel, car l'analyse de données erronées peut conduire à des conclusions inexactes.
<br><br>
Dans ce cours, vous apprendrez diverses techniques pour vous aider à nettoyer des données sales à l’aide de R. Vous commencerez par convertir les types de données, appliquer des contraintes de plage et gérer les doublons complets et partiels afin d’éviter les doubles comptages.
<br><br>
<h2>Plongez dans les défis avancés des données </h2>
Une fois que vous aurez pratiqué le travail sur des problèmes de données courants, vous passerez à des défis plus avancés, comme assurer la cohérence des mesures et gérer les données manquantes. Après chaque nouveau concept, vous aurez l’occasion de réaliser un exercice pratique pour consolider vos connaissances et développer votre expérience.
<br><br>
<h2>Apprenez à utiliser le rapprochement d’enregistrements pendant le nettoyage des données </h2>
Le couplage de données est utilisé pour fusionner des ensembles de données lorsque les valeurs présentent des problèmes comme des fautes de frappe ou des orthographes différentes. Vous explorerez cette technique utile dans le chapitre final et pratiquerez son application en l’utilisant pour fusionner deux ensembles de données d’avis de restaurants en un seul ensemble de données.

Joining Data with dplyr

Apprenez à nettoyer les données rapidement et précisément pour transformer vos données en insights utiles.

Nettoyer des données avec R

Apprenez à nettoyer les données aussi rapidement et précisément que possible pour passer des données brutes à des insights percutants.

Uniformité

Create Your Free Account