To begin the course, you will learn why cleaning data is important. You will solve simple problems such as leading and trailing spaces in strings, unifying formats for flight registrations, combining strings and more. 

Introduction to Cleaning Data

Unifying flight formats I

Unifying flight formats II

Cleaning messy strings

Trimming strings I

Trimming strings II

Unifying strings

Comparing the similarity between strings

SOUNDEX() and DIFFERENCE()

Comparing names with SOUNDEX()

Comparing names with DIFFERENCE()

Starting with Cleaning Data

In this chapter, you will deepen your data cleaning knowledge. You will learn how to deal with missing data,  avoid duplicate data in your datasets, and work with different formats of dates.

Dealing with missing data

Removing missing values

Removing blank spaces

Filling missing values using ISNULL()

Filling missing values using COALESCE()

Avoiding duplicate data

Diagnosing duplicates

Treating duplicates

Dealing with different date formats

Using CONVERT()

Using FORMAT()

CONVERT() vs FORMAT()

Dealing with missing data, duplicate data, and different date formats

In this chapter, you will deal with out of range values and inaccurate data. You will also practice converting data with different types. Finally, you will work on matching patterns to your data to find outliers.

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

Dealing with out of range values, different data types, and pattern matching

In this final chapter,  you will learn how to combine and aggregate data of some columns into one, split data of one column into more columns,  and transform rows into columns and vice versa.

Combining data of some columns into one column

Combining cities and states using +

Concatenating cities and states

Working with DATEFROMPARTS()

Splitting data of one column into more columns

Using SUBSTRING() and CHARINDEX()

Using RIGHT() , LEFT() and REVERSE()

SUBSTRING() or CHARINDEX()?

Transforming rows into columns and vice versa

PIVOT or UNPIVOT?

Turning rows into columns

Turning columns into rows

Congratulations!

Combining, splitting, and transforming data

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.

Caractères pour spécifier des motifs

Exercice interactif pratique