Félicitations !

Nettoyer des données avec R

Maggie Matsui

Content Developer, DataCamp

Ce que vous avez appris

Même schéma que dans la leçon 1.1 montrant le diagnostic de données « sales », leurs effets secondaires et le nettoyage des données.

Chapitre 1 : Problèmes de données courants

Gauche : une tablette reliée à un dossier, un nuage, une base de données et une feuille pour illustrer les contraintes de type (chaînes, numériques). Centre : une droite graduée avec deux repères et une double flèche pour les contraintes d'intervalle (valeurs hors plage). Droite : des poupées russes pour les contraintes d'unicité (détection et traitement des doublons).

Chapitre 2 : Données textuelles et catégorielles

Gauche : un badge d'accès pour illustrer les contraintes d'appartenance (catégories incohérentes et leur traitement avec des jointures). Centre : des carrés reliés pour les variables catégorielles (détecter les catégories incohérentes et les regrouper). Droite : deux bulles de texte pour le nettoyage du texte (unifier les formats et vérifier les longueurs).

Chapitre 3 : Problèmes de données avancés

Gauche : six maillots d'arbitre pour l'uniformité (unifier les formats de devise et de date). Centre : un tableau de données à trois colonnes pour la validation interchamps (sommes par ligne, validation de l'âge). Droite : un puzzle avec une pièce manquante pour la complétude (détecter et traiter les valeurs manquantes).

Chapitre 4 : Mise en correspondance des enregistrements

Schéma des étapes de la mise en correspondance des enregistrements

Développez et consolidez vos nouvelles compétences

Données catégorielles
- Categorical Data in the Tidyverse
Données textuelles
- String Manipulation with stringr in R
- Intermediate Regular Expressions in R
Écrire du code propre
- Defensive R Programming

Félicitations !

Nettoyer des données avec R