बधाई हो!

R में डेटा क्लीनिंग

Maggie Matsui

Content Developer, DataCamp

आपने क्या सीखा

लेसन 1.1 वाला वही डायग्राम: गंदे डेटा का निदान, उसके दुष्प्रभाव, और डेटा साफ करना.

अध्याय 1: सामान्य डेटा समस्याएँ

बाएँ: टैबलेट से फोल्डर, क्लाउड, डेटाबेस और कागज़ तक लाइनें—टाइप constraints जैसे strings और numeric data. बीच: नंबर लाइन पर दो मार्कर और डबल ऐरो—रेंज constraints, जैसे out-of-range डेटा/values. दाएँ: मैत्र्योश्का गुड़िया—uniqueness constraints, जैसे duplicates खोजना और संभालना.

अध्याय 2: टेक्स्ट और श्रेणीबद्ध डेटा

बाएँ: सिक्योरिटी एक्सेस बैज—membership constraints, जैसे असंगत categories ढूँढना और joins से सुधारा. बीच: लाइनों से जुड़े स्क्वेयर—categorical variables, जैसे असंगत categories ढूँढकर कम categories में समेटना. दाएँ: दो टेक्स्ट बबल—टेक्स्ट डेटा सफाई, जैसे formats एक करना और lengths जाँचना.

अध्याय 3: एडवांस्ड डेटा समस्याएँ

बाएँ: छह रेफरी यूनिफॉर्म—uniformity, जैसे currency और date formats को एक करना. बीच: तीन-कालम डेटा टेबल—cross-field validation, जैसे पंक्तियों में जोड़ना और age validate करना. दाएँ: पज़ल का गायब टुकड़ा—completeness, जैसे missing डेटा ढूँढना और संभालना.

अध्याय 4: रिकॉर्ड लिंकिंग

रिकॉर्ड लिंकिंग के चरण दिखाता डायग्राम

नई स्किल्स को आगे बढ़ाएँ

Categorical Data
- Categorical Data in the Tidyverse
Text Data
- String Manipulation with stringr in R
- Intermediate Regular Expressions in R
Clean Code लिखना
- Defensive R Programming

बधाई हो!

R में डेटा क्लीनिंग