تمیز کردن داده ها در پایتون

آیا شما باید درک کنید که چگونه داده ها را تمیز نگه دارید و به خوبی سازماندهی شده برای شرکت شما؟ در این دوره، مربی Miki Tebeka توضیح می دهد که چرا داده های تمیز بسیار مهم است، چه چیزی می تواند باعث اشتباهات، و نحوه شناسایی، جلوگیری و رفع خطاهای خود برای حفظ اطلاعات خود را.

Miki توضیح می دهد انواع خطاهای که می تواند در داده ها، و همچنین ارزش های گم شده یا ارزش های بد در داده ها رخ می دهد. او می گذرد چگونه خطاهای انسانی، خطاهای معرفی شده با ماشین، و خطاهای طراحی می تواند راه خود را به داده های شما پیدا کند، سپس به شما نشان می دهد که چگونه این خطاها را تشخیص دهید.

میکی به پیشگیری از خطا، با تکنیک هایی مانند امضا های دیجیتال، خطوط لوله داده ها و اتوماسیون و معاملات، غواصی می کند. او با راه هایی که می توانید خطاها را رفع کنید، از جمله تغییر نام زمینه ها، اصلاح انواع، پیوستن و تقسیم داده ها و موارد دیگر، به پایان برساند.

عنوان اصلی : Data Cleaning in Python Essential Training

سرفصل های دوره :

مقدمه:
چرا داده های پاک مهم هستند؟
آنچه باید بدانید
1. داده های بد:
انواع خطاها
مقادیر از دست رفته
مقادیر بد
موارد تکراری
2. علل خطاها:
خطاهای انسانی
خطاهای ماشینی
خطاهای طراحی
چالش: طراحی UI
راه حل: طراحی UI
3. تشخیص خطاها:
طرحواره ها
اعتبار سنجی
یافتن داده های از دست رفته
دانش دامنه
زیرگروه ها
چالش: داده های بد را پیدا کنید
راه حل: داده های بد را پیدا کنید
4. پیشگیری از خطاها:
فرمت های سریال سازی
امضای دیجیتال
خطوط لوله داده و اتوماسیون
معاملات
سازماندهی داده ها و داده های مرتب
معیارهای کیفیت فرآیند و داده
چالش: ETL
راه حل: ETL
5. رفع خطاها:
تغییر نام فیلدها
انواع تعمیر
پیوستن و تقسیم داده ها
حذف داده های بد
پر کردن مقادیر از دست رفته
شکل دهی مجدد
چالش: درآمد کارگاهی
راه حل: درآمد کارگاهی
نتیجه گیری:
مراحل بعدی