Nettoyage et transformation des données

Étude de cas : analyse financière dans KNIME

Andrew Logan

Data Scientist, 4&8 Ltd

Suivre le plan

• Données propres, utiles et cohérentes
• Nettoyage : valeurs manquantes, déduplication, suppression de lignes/colonnes inutiles, etc.
• Transformation : manipulation de chaînes, calculs numériques, renommage de colonnes, etc.

Impeccable

• Nœuds les plus courants : Missing Value, Duplicate Row Filter, Column Filter, String Cleaner
• Annotez !

Impeccable

• Nœuds les plus courants : Missing Value, Duplicate Row Filter, Column Filter, String Cleaner
• Annotez !
• Et bien d'autres : utilisez le forum KNIME - https://forum.knime.com/ ou un moteur de recherche pour les cas particuliers

Apporter des changements utiles

• Manipuler les données pour les rendre utiles
• Manipulation de chaînes

Apporter des changements utiles

• Manipuler les données pour les rendre utiles
• Manipulation de chaînes
• Calcul numérique

Apporter des changements utiles

• Manipuler les données pour les rendre utiles
• Manipulation de chaînes
• Calcul numérique
• Autres nœuds de transformation
• Annotations !

Plus facile à comprendre et à réutiliser

• Métanœuds : les villes sur la carte.

Plus facile à comprendre et à réutiliser

• Métanœuds : les villes sur la carte.
• Plusieurs nœuds en un seul

Plus facile à comprendre et à réutiliser

• Métanœuds : les villes sur la carte.
• Plusieurs nœuds en un seul
• Gain de temps
• Facile à comprendre
• Facile à annoter

Passons à la pratique !

Étude de cas : analyse financière dans KNIME