Pour commencer, vous verrez pourquoi le nettoyage des données est essentiel. Vous résoudrez des problèmes simples comme les espaces en début et fin de chaîne, l’unification des formats d’immatriculation de vols, la concaténation de chaînes, et plus encore.

Introduction au nettoyage des données

Uniformiser les formats de vols I

Uniformiser les formats de vols II

Nettoyer des chaînes de caractères désordonnées

Nettoyer les chaînes I

Supprimer les espaces II

Unifier des chaînes de caractères

Comparer la similarité entre des chaînes

SOUNDEX() et DIFFERENCE()

Comparer des noms avec SOUNDEX()

Comparer des noms avec DIFFERENCE()

Premiers pas avec le nettoyage des données

Dans ce chapitre, vous approfondirez vos compétences en nettoyage des données. Vous apprendrez à gérer les données manquantes, à éviter les doublons dans vos jeux de données et à travailler avec différents formats de dates.

Gérer les données manquantes

Supprimer les valeurs manquantes

Supprimer les espaces vides

Remplir les valeurs manquantes avec ISNULL()

Remplir les valeurs manquantes avec COALESCE()

Éviter les doublons

Diagnostiquer les doublons

Traiter les doublons

Gérer différents formats de date

Utiliser CONVERT()

Utiliser FORMAT()

CONVERT() vs FORMAT()

Gérer les données manquantes, les doublons et les formats de date différents

Dans ce chapitre, vous traiterez des valeurs hors plage et des données inexactes. Vous vous exercerez également à convertir des données entre différents types. Enfin, vous appliquerez des correspondances de motifs à vos données pour détecter les valeurs aberrantes.

Valeurs hors plage et données inexactes

Valeurs hors plage ou données inexactes ?

Détecter les valeurs hors plage

Exclure les valeurs hors plage

Détecter et exclure les données inexactes

Convertir des données de types différents

Utiliser CAST() et CONVERT()

La série avec le plus d’épisodes

Appariement de motifs

Caractères pour spécifier des motifs

Faire correspondre des URL

Vérifier les numéros de téléphone

Gérer les valeurs hors plage, les types de données et la recherche de motifs

Dans ce dernier chapitre, vous apprendrez à combiner et agréger les données de certaines colonnes en une seule, à scinder les données d’une colonne en plusieurs colonnes, et à transformer des lignes en colonnes et inversement.

Combiner les données de plusieurs colonnes en une seule colonne

Combiner villes et États avec +

Concaténer villes et États

Utiliser DATEFROMPARTS()

Scinder les données d’une colonne en plusieurs colonnes

Utiliser SUBSTRING() et CHARINDEX()

Utiliser RIGHT(), LEFT() et REVERSE()

SUBSTRING() ou CHARINDEX() ?

Transformer des lignes en colonnes et inversement

PIVOT ou UNPIVOT ?

Transformer des lignes en colonnes

Transformer des colonnes en lignes

Félicitations !

Combiner, scinder et transformer des données

Flight statistics dataset and series ratings dataset

Saviez-vous que les data scientists et les data analysts passent une grande partie de leur temps à nettoyer les données avant de pouvoir les analyser ? C’est parce que les données du monde réel sont désordonnées. Pour vous aider à vous y retrouver, ce cours vous apprend à nettoyer des données stockées dans une base SQL Server. Vous verrez comment résoudre des problèmes courants comme le nettoyage de chaînes de caractères « sales », la gestion des valeurs vides, la comparaison de similarité entre chaînes, et bien plus encore. Vous pratiquerez toutes ces tâches sur un large éventail de jeux de données intéressants et imparfaits, notamment les vols mensuels par aéroport, des séries TV et les ventes d’une papeterie. Prêt à mettre les mains dans le cambouis ?

Intermediate SQL Server

Développez les compétences pour transformer des données brutes en insights précis et rapides.

Nettoyer des données dans des bases SQL Server

Développez les compétences nécessaires pour nettoyer les données brutes et les transformer en informations précises.

Software Engineer

Out of range values and inaccurate data

Dataset - series and episodes

Out of range values

Out of range values - example

Out of range values - detecting the values

Out of range values - excluding the values

Inaccurate data

Inaccurate data - example

Inaccurate data - detecting the values

Inaccurate data - excluding the values

Let's practice!

Gérer les valeurs hors plage, les types de données et la recherche de motifs - Valeurs hors plage et données inexactes

Valeurs hors plage et données inexactes

Create Your Free Account