Chapitre 8. Nettoyage des données
Cet ouvrage a été traduit à l'aide de l'IA. Tes réactions et tes commentaires sont les bienvenus : translation-feedback@oreilly.com
Un problème universel lorsqu'on travaille avec des données est de comprendre l'exhaustivité de tes données. L'ingénierie des données dépend de la capacité à nettoyer, traiter et visualiser les données. Maintenant que tu es familiarisé avec les fonctionnalités de base et l'intégration des données avec les éditeurs de code basés sur un carnet, que ce soit localement dans un carnet Jupyter ou dans le cloud avec Google Cloud, il est temps d'apprendre à nettoyer tes données. Les données sont souvent incomplètes (manquantes), formatées de manière incohérente ou inexactes - des problèmes souvent appelés données désordonnées. Le nettoyage des données consiste à résoudre ces problèmes et à préparer les données pour l'analyse.
Dans ce chapitre, nous allons explorer quelques jeux de données accessibles au public, trouver et nettoyer les désordres avec quelques paquets que tu peux charger dans un carnet Colab. Tu vas travailler avec NYPD_Complaint_Data_Historic, un jeu de données provenant du portail de données ouvertes de la ville de New York, NYC Open Data, mis à jour le 7 juillet 2021. J'ai filtré les données pour 2020 afin de les rendre un peu plus gérables pour la visualisation et la manipulation. Tu peux filtrer les données en fonction de ta question sur les données et les exporter sous forme de fichier CSV. Ce chapitre ...
Become an O’Reilly member and get unlimited access to this title plus top books and audiobooks from O’Reilly and nearly 200 top publishers, thousands of courses curated by job role, 150+ live events each month,
and much more.
Read now
Unlock full access