Pandas - Cleaning Data
تمیز کردن داده‌ها
تمیز کردن داده‌ها به معنی درست کردن داده‌ها خراب در مجموعه داده‌ها است.
داده خراب می‌تواند هر یک از موارد زیر باشد:
- سلول خالی
- داده با فرمت اشتباه
- داده اشتباه
- داده تکراری
در این آموزش یاد خواهید گرفت که چطور با همه موارد فوق برخورد کنید.
مجموعه داده مورد استفاده
مجموعه داده مورد استفاده در بخش‌های بعدی آموزش مجموعه داده زیر است.
Duration Date Pulse Maxpulse Calories
0 60 '2020/12/01' 110 130 409.1
1 60 '2020/12/02' 117 145 479.0
2 60 '2020/12/03' 103 135 340.0
3 45 '2020/12/04' 109 175 282.4
4 45 '2020/12/05' 117 148 406.0
5 60 '2020/12/06' 102 127 300.0
6 60 '2020/12/07' 110 136 374.0
7 450 '2020/12/08' 104 134 253.3
8 30 '2020/12/09' 109 133 195.1
9 60 '2020/12/10' 98 124 269.0
10 60 '2020/12/11' 103 147 329.3
11 60 '2020/12/12' 100 120 250.7
12 60 '2020/12/12' 100 120 250.7
13 60 '2020/12/13' 106 128 345.3
14 60 '2020/12/14' 104 132 379.3
15 60 '2020/12/15' 98 123 275.0
16 60 '2020/12/16' 98 120 215.2
17 60 '2020/12/17' 100 120 300.0
18 45 '2020/12/18' 90 112 NaN
19 60 '2020/12/19' 103 123 323.0
20 45 '2020/12/20' 97 125 243.0
21 60 '2020/12/21' 108 131 364.2
22 45 NaN 100 119 282.0
23 60 '2020/12/23' 130 101 300.0
24 45 '2020/12/24' 105 132 246.0
25 60 '2020/12/25' 102 126 334.5
26 60 2020/12/26 100 120 250.0
27 60 '2020/12/27' 92 118 241.0
28 60 '2020/12/28' 103 132 NaN
29 60 '2020/12/29' 100 132 280.0
30 60 '2020/12/30' 102 129 380.3
31 60 '2020/12/31' 92 115 243.0
- مجموعه داده ما دارای تعدادی سلول خالی است (تاریخ در سطر 22، کالری در سطرهای 18 و 28).
- مجموعه داده ما دارای فرمت اشتباه است (تاریخ در سطر 26).
- مجموعه داده ما دارای داده اشتباه است (مدت زمان در سطر 7).
- مجموعه داده ما دارای داده تکراری است (سطرهای 11 و 12).