Glanadh agus Claochlú Sonraí
Ar an leathanach seo
Ó Shonraí Amha go dtí Léargais Inghníomhaithe
Is annamh a bhíonn sonraí sa saol mór glan. Gheobhaidh tú dúbailtí ó allmhairithe dúbailte, luachanna in easnamh toisc gur réimse roghnach a bhí ann, formáidí dáta a athraíonn de réir cé a chuir isteach na sonraí, agus colúin a tháinig ó uirlisí seanbhunaithe. Sula féidir leat aon rud a anailísiú, caithfidh tú glanadh a dhéanamh. Is é seo an chéim is míbhuíoch sa jab le fada an lá. Déanann ChatGPT comhrá de: déanann tú cur síos ar an bhfadhb, gineann sé an cód glantacháin, rithtear é, agus taispeánann sé an toradh duit le fíorú sula dtéann tú ar aghaidh.
Do Cháilíocht Sonraí a Dhiagnóisiú
Is cosúil glanadh gan diagnóis le rud éigin a dheisiú agus súile ceangailte ort. Tosaigh gach seisiún le hiniúchadh:
Analyze the quality of this file: missing values per column,
duplicates, detected data types, and potential outliers.
Soláthraíonn an tuarascáil céatadán na luachanna in easnamh colún ar cholún, líon na sraitheanna dúbailte, colúin le cineálacha neamhchomhsheasmhacha—meascán téacs agus uimhreacha a léiríonn iontráil láimhe beagnach i gcónaí—agus luachanna foircneacha is dócha gur botúin chlóscríofa iad. Ar chomhad orduithe, d’fhéadfadh an t-iniúchadh nochtadh go bhfuil custaiméirí gan chód poist ann, nó ordú ar €950,000 in ionad €950. Oibríonn leid níos giorra freisin: “Check this file: what common issues do you find?” Is féidir le ChatGPT ansin roinnt bealaí chun iad a shocrú a mholadh; fiafraigh de na hiarmhairtí a bhaineann le gach ceann acu sula roghnaíonn tú.
Luachanna in Easnamh a Láimhseáil
Seo an fhadhb is coitianta, agus níl aon réiteach amháin a oireann do chách: braitheann an straitéis cheart ar an méid a chiallaíonn an spás folamh i do chomhthéacs. Ní hionann méid in easnamh agus seoladh ríomhphoist in easnamh.
Oibríonn sraitheanna neamhiomlána a scriosadh nuair a bhíonn sonraí in easnamh gann agus nach bhfuil siad ríthábhachtach. Níl aon úsáid ag feachtas ríomhphoist as teagmháil gan seoladh: tá an tsraith sin doshlánaithe.
Delete all rows where the "email" column is empty.
Déanann sé ciall luach réamhshocraithe a líonadh isteach nuair atá a fhios agat cad é an luach loighciúil. Má oibríonn do ghnó sa Fhrainc amháin agus gur réimse roghnach a bhí sa réimse tíre, ciallaíonn easnamh “An Fhrainc”; ciallaíonn méid folamh ar líne lascaine nialas, ní “anaithnid”.
Replace missing values in "country" with "France"
and those in "amount" with 0.
Ar deireadh, oireann idirshuíomh do shraitheanna ama agus do shonraí leanúnacha, á gcruthódh luach nialasach bearna shaorga sa chuar.
For missing values in "monthly_revenue", use the average
of the previous and following months for the same customer.
Dúbailtí a Bhaint
Cuirfidh dúbailtí claonadh ar gach staitistic ina dhiaidh sin: má chomhaireamh tú custaiméir faoi dhó, déanann sé dúbailt ar a rannchuidiú leis an ioncam agus méadaíonn sé a rangú go saorga. Mar sin féin, caithfidh tú a shainiú ar dtús cad a dhéanann dúbailt de, ós rud é gur féidir le dhá ordú ón gcustaiméir céanna ar an lá céanna a bheith dlisteanach.
Identify and remove duplicates based on the columns
"customer_name" and "order_date". Keep the first occurrence.
Iarr ar ChatGPT na sraitheanna lena mbaineann a thaispeáint duit sula mbaintear iad, agus tóg an t-am chun iad a athbhreithniú: is é seo díreach an t-am a fheicfidh tú an bhfuil tú ag scriosadh dúbailt allmhairithe fíor nó dara hordú fíor.
Formáidí a Chaighdeánú
Is iad dátaí an chéad chnap starraí. Go minic, bíonn “15/03/2026”, “2026-03-15”, agus “15 March 2026” i gcomhad a fheastar ó fhoinsí iolracha, nach féidir le pandas a shórtáil le chéile: fanfaidh do chuar míosúil ina thost go dtí go réiteofar é seo.
Convert all dates in the "purchase_date" column
to YYYY-MM-DD format and flag those that cannot be converted.
Cruthaíonn téacs deacrachtaí níos insidious toisc go bhfanann sé inléite don tsúil dhaonna. Meastar gurb iad “Paris”, “PARIS”, agus “paris” trí chathair ar leith; cruthaíonn spás traenála tar éis “Lyon ” ceathrú ceann; scoilteann “Saint-Étienne” i gcoinne “St Etienne” do dhíolacháin réigiúnacha ina dhá líne, nach bhfuil ceachtar acu ceart.
Normalize the "city" column: capitalize the first letter,
remove extra spaces, and group variants
(Saint/St, missing hyphens).
Ar deireadh, tagann uimhreacha go minic formáidithe le haghaidh taispeána seachas ríomhaireachta. Fad is a bhíonn “1,250.50 €” sa cholún, ní féidir aon suimiú a dhéanamh.
The "price" column contains values like "1,250.50 €".
Convert it to a decimal number (1250.50) and remove the euro symbol.
Colúin Nua a Chruthú
Ní hamháin faoi shocrú atá an claochlú; tá sé faoi shaibhriú freisin. Déanann colún dáta ais ráithiúil de chun tréimhsí a chur i gcomparáid; déanann colún méide deighleog thráchtála de atá inúsáidte i do chuid anailísí.
Create a "quarter" column from "order_date"
and a "revenue_tier" column that categorizes revenue as:
"Small" (< 1000), "Medium" (1000-5000), "Large" (> 5000).
Gineann ChatGPT an cód pandas comhfhreagrach, ag úsáid pd.cut() nó coinníollacha loighciúla, agus rithtear é. Ansin, seiceáil an dáileadh a thagann as: má thiteann 90% de do chustaiméirí isteach in “Small”, tá do thairseacha míchalabrálaithe agus ní mhúinfidh an deighleog aon rud duit.
Sonraí Glanta a Easpórtáil
Nuair a bheidh an glanadh críochnaithe, faigh an comhad glan. Sábhálann an cnaipe íoslódála, atá suite ar thaobh na láimhe deise ag barr tábla arna tháirgeadh ag ChatGPT, é i bhformáid CSV. Maidir le formáid shonrach, iarr é:
Export the cleaned DataFrame as CSV (UTF-8, semicolon separator)
so I can download it.
Ansin, oscail an comhad i do bhogearraí scaoileoireachta agus déan comparáid idir líon na sraitheanna agus an bunleagan: siúlann tú amach le comhad atá inúsáidte in áit eile—Excel, uirlis BI, an chéad seisiún eile—gan gach rud a dhéanamh arís an tseachtain seo chugainn. Oibrigh i gcónaí ar chóip, agus coinnigh an bunchomhad slán ionas gur féidir leat filleadh air más gá.
Do Thura
Do chéad ghlanadh.
- Allmhairigh cóip de chomhad fíor agus iarr iniúchadh cáilíochta
- Láimhseáil luachanna in easnamh colún ar cholún, bunaithe ar an méid a chiallaíonn an spás folamh
- Sainigh cad a dhéanann dúbailt de, scrúdaigh na sraitheanna lena mbaineann, agus ansin bain iad
- Caighdeánaigh dátaí, cathracha, agus méideanna
- Íoslódáil an comhad glan agus déan comparáid idir líon na sraitheanna agus an bunleagan
Foinsí oifigiúla: Extracting Insights with ChatGPT Data Analysis ·
Data analysis with ChatGPT(https://help.openai.com/en/articles/8437071-data-analysis-with-chatgpt) (Ionad Cúnaimh OpenAI)
Príomhphointí
- Tosaigh i gcónaí le hiniúchadh cáilíochta sula ndéanann tú anailís
- Láimhseálann ChatGPT luachanna in easnamh, dúbailtí, agus formáidí neamhchomhsheasmhacha i gcúpla teachtaireacht
- Fíoraigh torthaí idirmheánacha go córasach—iarr réamhamharc tar éis gach oibríochta
- Easpórtáil an comhad glanta chun é a athúsáid in uirlisí eile más gá
- Tá an cód Python le feiceáil: is féidir leat é a chóipeáil agus a athúsáid i do chuid scripteanna féin