Félicitations !

Nettoyer des données avec R

Maggie Matsui

Content Developer, DataCamp

Ce que vous avez appris

Même schéma que dans la leçon 1.1 illustrant le diagnostic des données bruitées, leurs effets et le nettoyage des données.

Chapitre 1 : problèmes courants de données

Chapitre 2 : texte et données catégorielles

Gauche : un badge d'accès pour représenter les contraintes d'appartenance, comme repérer des catégories incohérentes et les traiter avec des jointures. Centre : des carrés reliés pour représenter les variables catégorielles, comme regrouper des catégories incohérentes. Droite : deux bulles de texte pour le nettoyage de texte, comme unifier les formats et évaluer les longueurs.

Chapitre 3 : problèmes avancés de données

Gauche : six uniformes d'arbitre pour l'uniformité, comme unifier les formats de devise et de date. Centre : un tableau à trois colonnes pour la validation interchamps, comme sommer par lignes et valider l'âge. Droite : un casse-tête avec une pièce manquante pour la complétude, comme repérer et traiter les données manquantes.

Chapitre 4 : rapprochement d'enregistrements

Schéma des étapes du rapprochement d'enregistrements

Approfondissez et développez 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