1. Aprender
    2. /
  2. Cursos
    3. /
  3. Nettoyage de données en Python
  • 1

    Problèmes courants liés aux données

    Gratuito

    Dans ce chapitre, vous apprendrez à résoudre certains des problèmes de données sales les plus courants. Vous convertirez les types de données, appliquerez des contraintes de plage pour supprimer les points de données futurs et supprimerez les points de données dupliqués afin d'éviter les doubles comptages.

  • 2

    Problèmes liés aux données textuelles et catégorielles

    Les données catégorielles et textuelles peuvent souvent constituer l'une des parties les plus désordonnées d'un ensemble de données en raison de leur nature non structurée. Dans ce chapitre, vous apprendrez à corriger les incohérences d'espacement et de capitalisation dans les étiquettes de catégories, à réduire plusieurs catégories en une seule et à reformater les chaînes de caractères dans un souci de cohérence.

  • 3

    Problèmes de données avancés

    Dans ce chapitre, vous vous pencherez sur des problèmes de nettoyage de données plus avancés, comme par exemple s'assurer que les poids sont tous écrits en kilogrammes et non en livres. Vous acquerrez également des compétences inestimables qui vous aideront à vérifier que les valeurs ont été ajoutées correctement et que les valeurs manquantes n'ont pas d'impact négatif sur vos analyses.

  • 4

    Lien entre les enregistrements

    Le couplage d'enregistrements est une technique puissante utilisée pour fusionner plusieurs ensembles de données, notamment lorsque des valeurs comportent des fautes de frappe ou des orthographes différentes. Dans ce chapitre, vous apprendrez à lier des enregistrements en calculant la similarité entre les chaînes de caractères. Vous utiliserez ensuite vos nouvelles compétences pour joindre deux ensembles de données de critiques de restaurants en un seul ensemble de données principal propre.

Initializing

Exercicio

Remise en correspondance des catégories II

Dans le dernier exercice, vous avez déterminé que le point de coupure de la distance pour le remappage des typos de 'american', 'asian', et 'italian' types de cuisine stockés dans la colonne cuisine_type devait être de 80.

Dans cet exercice, vous allez tout regrouper en trouvant des correspondances avec des scores de similarité égaux ou supérieurs à 80 en utilisant la fonction extract() de fuzywuzzy.process, pour chaque type de cuisine correct, et en remplaçant ces correspondances par le type de cuisine en question. Rappelez-vous, lorsque vous comparez une chaîne avec un tableau de chaînes en utilisant process.extract(), la sortie est une liste de tuples où chacun est formaté comme :

(closest match, similarity score, index of match)

Le DataFrame restaurants se trouve dans votre environnement et vous avez accès à une liste categories contenant les bons types de cuisine ('italian', 'asian' et 'american').

Instruções 1/4

undefined XP
    1
    2
    3
    4
  • Renvoyez toutes les valeurs uniques de la colonne cuisine_type de restaurants.