Birörneklilik

Python ile Veri Temizleme

Adel Nehme

VP of AI Curriculum, DataCamp

Bu bölümde

Bölüm 3 - İleri veri sorunları

Veri aralığı kısıtları

range_examples

Birörneklilik

Sütun	Birim
Sıcaklık	`32°C` aynı zamanda `89.6°F`
Ağırlık	`70 Kg` aynı zamanda `11 st.`
Tarih	`26-11-2019` aynı zamanda `26, November, 2019`
Para	`100$` aynı zamanda `10763.90¥`

Bir örnek

temperatures = pd.read_csv('temperature.csv')
temperatures.head()

       Date  Temperature
0  03.03.19         14.0
1  04.03.19         15.0
2  05.03.19         18.0
3  06.03.19         16.0
4  07.03.19         62.6

Bir örnek

temperatures = pd.read_csv('temperature.csv')
temperatures.head()

       Date  Temperature
0  03.03.19         14.0
1  04.03.19         15.0
2  05.03.19         18.0
3  06.03.19         16.0
4  07.03.19         62.6   <--

Bir örnek

# Import matplotlib
import matplotlib.pyplot as plt

# Saçılım grafiği oluştur
plt.scatter(x = 'Date', y = 'Temperature', data = temperatures)

# Başlık, x ve y etiketlerini ekle
plt.title('Temperature in Celsius March 2019 - NYC')
plt.xlabel('Dates')
plt.ylabel('Temperature in Celsius')

# Grafiği göster
plt.show()

Sıcaklık verisini işleme

$$C = (F - 32) \times \frac{5}{9}$$

temp_fah = temperatures.loc[temperatures['Temperature'] > 40, 'Temperature']

temp_cels = (temp_fah - 32) * (5/9)

temperatures.loc[temperatures['Temperature'] > 40, 'Temperature'] = temp_cels

# Dönüşümün doğru olduğunu doğrula
assert temperatures['Temperature'].max() < 40

Tarih verisini işleme

birthdays.head()

          Birthday First name Last name
0         27/27/19      Rowan     Nunez
1         03-29-19      Brynn      Yang
2  March 3rd, 2019     Sophia    Reilly
3         24-03-19     Deacon    Prince
4         06-03-19   Griffith      Neal

Tarih verisini işleme

birthdays.head()

Doğum günleri veri kümesinin çıktısını gösteren bir tablo - bir satır ay/gün/yıl biçiminde; bir diğeri tam yazıyla; son satırda açıkça bir hata olan, gün bileşeninin iki kez tekrar ettiği bir biçim var.

Datetime biçimlendirme

datetime tarihleri temsil etmek için kullanışlıdır

Tarih	`datetime` biçimi
25-12-2019	`%d-%m-%Y`
December 25th 2019	`%c`
12-25-2019	`%m-%d-%Y`
...	...

pandas.to_datetime()

Çoğu biçimi otomatik algılar
Hatalı ya da tanınmayan biçimlerde bazen başarısız olur

Tarih verisini işleme

# Datetime'a dönüştürür - ancak çalışmayacak!
birthdays['Birthday'] = pd.to_datetime(birthdays['Birthday'])

ValueError: month must be in 1..12

# Çalışır!
birthdays['Birthday'] = pd.to_datetime(birthdays['Birthday'],
                                       # Dönüşümün başarısız olduğu satırlara NA döndür
                                       errors = 'coerce')

Tarih verisini işleme

birthdays.head()

    Birthday First name Last name
0        NaT      Rowan     Nunez
1 2019-03-29      Brynn      Yang
2 2019-03-03     Sophia    Reilly
3 2019-03-24     Deacon    Prince
4 2019-06-03   Griffith      Neal

Tarih verisini işleme

birthdays['Birthday'] = birthdays['Birthday'].dt.strftime("%d-%m-%Y")
birthdays.head()

     Birthday First name Last name
0         NaT      Rowan     Nunez
1  29-03-2019      Brynn      Yang
2  03-03-2019     Sophia    Reilly
3  24-03-2019     Deacon    Prince
4  03-06-2019   Griffith      Neal

Belirsiz tarih verisini işleme

2019-03-08 Ağustos'ta mı Mart'ta mı?

NA'ya dönüştürüp buna göre işleyin
Biçimi, veri kaynağını anlayarak çıkarın
Biçimi, DataFrame'deki önceki/sonraki verilere bakarak çıkarın

Vamos praticar!

Python ile Veri Temizleme