Connaître les points forts de Python pour les sciences de données - Tutoriel Python

Table des matières

• Introduction Introduction

  • Bienvenue dans « Python : Le nettoyage des données »

    1 m 6 s
  • (Verrouillé)
    Comprendre l'importance du nettoyage de données

    3 m 7 s
  • (Verrouillé)
    Connaître les points forts de Python pour les sciences de données

    2 m 49 s
  • (Verrouillé)
    Connaître les prérequis

    54 s
  • (Verrouillé)
    Installer l'environnement de travail

    2 m 22 s
  • (Verrouillé)
    Utiliser les fichiers d'exercice sur GitHub Codespaces

    2 m 30 s
• 1. Chercher les données de mauvaise qualité 1. Chercher les données de mauvaise qualité

  • Identifier les types d'erreurs

    2 m 9 s
  • (Verrouillé)
    Identifier les valeurs manquantes

    3 m 38 s
  • (Verrouillé)
    Chercher les doublons

    3 m 4 s
  • (Verrouillé)
    Retrouver les erreurs et les valeurs aberrantes

    4 m 57 s
• 2. Découvrir les actions de base de nettoyage de données 2. Découvrir les actions de base de nettoyage de données

  • (Verrouillé)
    Traiter les valeurs manquantes avec imputation

    3 m 53 s
  • Traiter les valeurs manquantes avec des données externes

    1 m 56 s
  • (Verrouillé)
    Éliminer les doublons

    2 m 27 s
  • (Verrouillé)
    Corriger les erreurs et les valeurs aberrantes

    3 m 8 s
  • (Verrouillé)
    Normaliser et transformer les données

    4 m 18 s
• 3. Explorer les causes racines de la non-qualité 3. Explorer les causes racines de la non-qualité

  • (Verrouillé)
    Comprendre les erreurs humaines

    2 m 53 s
  • (Verrouillé)
    Examiner les erreurs de machine

    2 m 43 s
  • (Verrouillé)
    Analyser les erreurs de conception

    3 m 36 s
  • (Verrouillé)
    Défi : Faire face aux causes racine de génération d'erreurs

    40 s
  • (Verrouillé)
    Solution : Faire face aux causes racine de génération d'erreurs

    3 m 46 s
• 4. Utiliser les expressions régulières pour le nettoyage des données avec Python 4. Utiliser les expressions régulières pour le nettoyage des données avec Python

  • (Verrouillé)
    Découvrir les expressions régulières avec Python

    3 m 19 s
  • (Verrouillé)
    Substituer des correspondances avec Regex

    5 m 14 s
  • Utiliser les lookarounds

    3 m 4 s
  • (Verrouillé)
    Extraire des colonnes avec groupes de capture

    3 m 18 s
  • (Verrouillé)
    Défi : Utiliser des expressions régulières pour le nettoyage des données

    51 s
  • (Verrouillé)
    Solution : Utiliser des expressions régulières pour le nettoyage des données

    2 m 54 s
• 5. Automatiser le nettoyage des données avec Python 5. Automatiser le nettoyage des données avec Python

  • (Verrouillé)
    Créer des fonctions de nettoyage réutilisables

    2 m 53 s
  • Utiliser des pipelines pour automatiser le processus

    2 m 38 s
  • (Verrouillé)
    Documenter et commenter le code

    3 m 9 s
  • (Verrouillé)
    Mettre en place des tests unitaires

    2 m 43 s
• Conclusion Conclusion

  • (Verrouillé)
    Conclure sur le nettoyage de données avec Python

    53 s