Nettoyer les données
Analyse de données IoT avec Python
Matthias Voppichler
IT Developer
Données manquantes
Raisons des données manquantes des appareils IoT
- Connexion réseau instable
- Panne d'alimentation
- Autres facteurs externes
Moments pour traiter la qualité des données
- À la collecte
- À l'analyse
Gérer les données manquantes
Méthodes pour gérer les données manquantes
- remplir
- moyenne
- médiane
- report vers l'avant
- report vers l'arrière
- supprimer
- arrêter l'analyse
Détecter les valeurs manquantes
df.info()
<class 'pandas.core.frame.DataFrame'>
DatetimeIndex: 12 entries, 2018-10-15 08:00:00 to 2018-10-15 08:55:00
Data columns (total 3 columns):
temperature 8 non-null float64
humidity 8 non-null float64
precipitation 12 non-null float64
dtypes: float64(3)
memory usage: 384.0 bytes
Supprimer les valeurs manquantes
print(df.head())
temperature humidity precipitation
timestamp
2018-10-15 08:00:00 16.7 64.2 0.0
2018-10-15 08:05:00 16.6 NaN 0.0
2018-10-15 08:10:00 16.5 65.3 0.0
2018-10-15 08:15:00 NaN 65.0 0.0
2018-10-15 08:20:00 16.8 64.3 0.0
df.dropna()
temperature humidity precipitation
timestamp
2018-10-15 08:00:00 16.7 64.2 0.0
2018-10-15 08:10:00 16.5 65.3 0.0
2018-10-15 08:20:00 16.8 64.3 0.0
Remplir les valeurs manquantes
df
temperature humidity precipitation
timestamp
2018-10-15 08:00:00 16.7 64.2 0.0
2018-10-15 08:05:00 16.6 NaN 0.0
2018-10-15 08:10:00 17.0 65.3 0.0
2018-10-15 08:15:00 NaN 65.0 0.0
2018-10-15 08:20:00 16.8 64.3 0.0
df.fillna(method="ffill")
temperature humidity precipitation
timestamp
2018-10-15 08:00:00 16.7 64.2 0.0
2018-10-15 08:05:00 16.6 64.2 0.0
2018-10-15 08:10:00 17.0 65.3 0.0
2018-10-15 08:15:00 17.0 65.0 0.0
2018-10-15 08:20:00 16.8 64.3 0.0
Mesure interrompue
print(df.head())
timestamp temperature humidity
2018-10-15 00:00:00 13.5 84.7
2018-10-15 00:10:00 13.3 85.6
2018-10-15 00:20:00 12.9 88.8
2018-10-15 00:30:00 12.8 89.2
2018-10-15 00:40:00 13.0 87.7
print(df.isna().sum())
temperature 0
humidity 0
dtype: int64
df_res = df.resample("10min").last()
print(df_res.head())
timestamp temperature humidity
2018-10-15 00:00:00 13.5 84.7
2018-10-15 00:10:00 13.3 85.6
2018-10-15 00:20:00 12.9 88.8
2018-10-15 00:30:00 12.8 89.2
2018-10-15 00:40:00 13.0 87.7
print(df_res.isna().sum())
temperature 34
humidity 34
dtype: int64
Mesure interrompue
df_res.plot(title="Environment")
Passons à la pratique !
Analyse de données IoT avec Python
