18. diel - Čistenie dát

V minulej lekcii, Nástroje na čistenie dát, sme sa zoznámili s nástrojmi na čistenie dát, ako sú tabuľkové editory, OpenRefine alebo SQL.

V dnešnom tutoriáli Úvodu do dátovej analýzy si na jednoduchom datasete prakticky vyskúšame základné techniky čistenia dát – teda ako identifikovať chýbajúce hodnoty, odstrániť duplicity, previesť hodnoty do správneho formátu a zjednotiť zápis. Ukážeme si, ako tieto kroky vykonávať v Exceli aj v Google Sheets.

Stiahnutie datasetu s bežnými chybami

Prejdite teraz na koniec lekcie a stiahnite si pod ňou prílohu s dátami. Budeme pracovať so súborom data_cleaning.xlsx, ktorý obsahuje nasledujúce typické problémy:

• chýbajúce hodnoty – napríklad prázdne bunky v stĺpcoch Name alebo Age,
• duplicitné záznamy – napríklad dva riadky s rovnakým ID a menom,
• chybné formáty – napríklad vek zapísaný slovom (tridsať) namiesto číslom,
• nezrovnalosti v zápise – napríklad Brno a brno ako dva rôzne zápisy toho istého mesta,
• extrémne hodnoty – napríklad vek 150, ktorý výrazne presahuje bežné rozpätie.

Na tomto datasete si postupne ukážeme, ako každú z týchto chýb detegovať a opraviť. Budeme využívať filtre, podmienené formátovanie a rôzne funkcie či nástroje na odstránenie duplicít a zjednotenie formátu.

...koniec náhľadu článku...
Pokračuj ďalej