Data cleaning
Në shqip: Pastrimi i të dhënave
ShpjegimiSQ
Të dhënat reale janë rrëmujë: vlera që mungojnë, gabime shkrimi, përsëritje, vlera absurde (mosha 250). Pastrimi zë shpesh 80% të kohës së një projekti të të dhënave — dhe është thelbësor.
EnglishEN
Real data is messy: missing values, typos, duplicates, absurd values (age 250). Cleaning often takes 80% of a data project's time — and it's essential.
Si ta mendosh
Si të lash dhe zgjedhësh perimet para se t'i gatuash.
Lexoje në anglisht
Like washing and sorting vegetables before cooking them.
Shembull kodipython
df = df.drop_duplicates()
df["mosha"] = df["mosha"].fillna(df["mosha"].median())
df = df[df["mosha"] < 120]