or
Cet exercice fait partie du cours
Dans ce chapitre, vous apprendrez à surmonter certains des problèmes de données sales les plus courants. Vous convertirez des types de données, appliquerez des contraintes d'intervalle pour exclure des points futurs et supprimerez les doublons afin d'éviter le double comptage.
Les données catégorielles et textuelles sont souvent les plus désordonnées d'un jeu de données en raison de leur nature non structurée. Dans ce chapitre, vous apprendrez à corriger les incohérences d'espaces et de capitalisation dans les libellés de catégorie, à regrouper plusieurs catégories en une seule et à reformater les chaînes pour plus de cohérence.
Dans ce chapitre, vous aborderez des problèmes de nettoyage plus avancés, comme s'assurer que tous les poids sont 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 actuel
Le rapprochement d'enregistrements est une technique puissante utilisée pour fusionner plusieurs jeux de données lorsque les valeurs comportent des fautes de frappe ou des orthographes différentes. Dans ce chapitre, vous apprendrez à lier des enregistrements en calculant la similarité entre des chaînes de caractères—vous utiliserez ensuite ces nouvelles compétences pour fusionner deux jeux de critiques de restaurants en un seul jeu de données maître, propre et cohérent.