Preskoči na glavni sadržaj
Hrvatski— Odaberite jezik
Izbornik

Čišćenje i transformacija podataka

Lekcija 3 od 14 Ažurirano 5. studenoga 2026. Srednja razina
Na ovoj stranici
  1. Od sirovih podataka do djelotvornih uvida
  2. Dijagnosticiranje kvalitete tvojih podataka
  3. Rukovanje nedostajućim vrijednostima
  4. Uklanjanje duplikata
  5. Standardizacija formata
  6. Stvaranje novih stupaca
  7. Izvoz očišćenih podataka
  8. Tvoj red
  9. Ključne točke

Od sirovih podataka do djelotvornih uvida

Podaci iz stvarnog svijeta rijetko su čisti. Naići ćeš na duplikate zbog višestrukih uvoza, nedostajuće vrijednosti jer je polje bilo opcionalno, formate datuma koji se mijenjaju ovisno o tome tko je unosio podatke, te stupce naslijeđene iz zastarjelih alata. Prije nego što išta analiziraš, moraš očistiti podatke. Taj je korak dugo bio najnezahvalniji dio posla. ChatGPT to pretvara u razgovor: opišeš problem, on generira kod za čišćenje, izvrši ga i prikaže ti rezultat na provjeru prije nego što nastaviš.

Dijagnosticiranje kvalitete tvojih podataka

Čišćenje bez dijagnoze poput je popravka nečega sa zavijenim očima. Svaku sesiju započni revizijom:

Analyze the quality of this file: missing values per column,
duplicates, detected data types, and potential outliers.

Izvještaj daje postotak nedostajućih vrijednosti po stupcu, broj dupliciranih redaka, stupce s nedosljednim tipovima—mješavina teksta i brojeva gotovo uvijek ukazuje na ručni unos—te ekstremne vrijednosti za koje je vjerojatno riječ o tipfelerima. Na datoteci s narudžbama revizija može otkriti kupce bez poštanskih brojeva ili narudžbu od 950.000 € umjesto 950 €. Funkcionira i kraći upit: “Check this file: what common issues do you find?” ChatGPT tada može predložiti nekoliko načina za njihovo rješavanje; prije odabira pitaj za posljedice svake opcije.

Rukovanje nedostajućim vrijednostima

Ovo je najčešći problem i ne postoji univerzalno rješenje: ispravna strategija ovisi o tome što praznina znači u tvom kontekstu. Nedostajući iznos nije isto što i nedostajuća adresa e-pošte.

Brisanje nepotpunih redaka funkcionira kada je nedostajućih podataka malo i nisu ključni. Kampanja e-pošte nema koristi od kontakta bez adrese: taj je redak neobnovljiv.

Delete all rows where the "email" column is empty.

Ispunjavanje zadanom vrijednošću ima smisla kada znaš logičnu vrijednost. Ako tvoje poslovanje djeluje isključivo u Francuskoj, a polje za državu bilo je opcionalno, odsutnost znači “Francuska”; prazan iznos u retku za popust znači nula, a ne “nepoznato”.

Replace missing values in "country" with "France"
and those in "amount" with 0.

Konačno, interpolacija odgovara vremenskim nizovima i kontinuiranim podacima, gdje bi null vrijednost stvorila umjetni prekid u krivulji.

For missing values in "monthly_revenue", use the average
of the previous and following months for the same customer.

Uklanjanje duplikata

Duplikati iskrivljuju svu daljnju statistiku: dvostruko brojanje kupca udvostručuje njegov doprinos prihodu i umjetno podiže njegov rang. Međutim, prvo moraš definirati što čini duplikat, jer dvije narudžbe istog kupca istog dana mogu biti legitimne.

Identify and remove duplicates based on the columns
"customer_name" and "order_date". Keep the first occurrence.

Zatraži od ChatGPT-a da ti prikaže zahvaćene retke prije uklanjanja i odvoji vrijeme za njihovu provjeru: upravo ćeš tada vidjeti brišeš li pravi duplikat iz uvoza ili stvarnu drugu narudžbu.

Standardizacija formata

Datumi su prva prepreka. Datoteka napajana iz više izvora često sadrži “15/03/2026”, “2026-03-15” i “15 March 2026”, koje pandas ne može zajedno sortirati: tvoja mjesečna krivulja ostat će nijema dok se to ne riješi.

Convert all dates in the "purchase_date" column
to YYYY-MM-DD format and flag those that cannot be converted.

Tekst predstavlja podmuklije poteškoće jer ljudskom oku ostaje čitljiv. “Paris”, “PARIS” i “paris” broje se kao tri različita grada; razmak na kraju nakon “Lyon ” stvara četvrti; “Saint-Étienne” nasuprot “St Etienne” dijeli tvoju regionalnu prodaju na dva retka, od kojih nijedan nije ispravan.

Normalize the "city" column: capitalize the first letter,
remove extra spaces, and group variants
(Saint/St, missing hyphens).

Konačno, brojevi često stižu formatirani za prikaz, a ne za izračun. Dokle god stupac sadrži “1,250.50 €”, zbrajanje nije moguće.

The "price" column contains values like "1,250.50 €".
Convert it to a decimal number (1250.50) and remove the euro symbol.

Stvaranje novih stupaca

Transformacija nije samo popravljanje; ona je i obogaćivanje. Stupac s datumom postaje kvartalna os za usporedbu razdoblja; stupac s iznosom postaje komercijalni segment upotrebljiv u tvojim analizama.

Create a "quarter" column from "order_date"
and a "revenue_tier" column that categorizes revenue as:
"Small" (< 1000), "Medium" (1000-5000), "Large" (> 5000).

ChatGPT generira odgovarajući pandas kod, koristeći pd.cut() ili logičke uvjete, i izvršava ga. Zatim provjeri dobivenu distribuciju: ako 90% tvojih kupaca padne u kategoriju “Small”, tvoji pragovi su loše podešeni i segmentacija te neće ničemu naučiti.

Izvoz očišćenih podataka

Kada je čišćenje završeno, preuzmi čistu datoteku. Gumb za preuzimanje, smješten u gornjem desnom kutu tablice koju je proizveo ChatGPT, sprema je u CSV formatu. Za specifičan format, zatraži ga:

Export the cleaned DataFrame as CSV (UTF-8, semicolon separator)
so I can download it.

Zatim otvori datoteku u svom softveru za proračunske tablice i usporedi broj redaka s originalom: odlaziš s datotekom upotrebljivom drugdje—Excel, BI alat, sljedeća sesija—bez potrebe da sve ponoviš idući tjedan. Uvijek radi na kopiji i čuvaj originalnu datoteku netaknutom kako bi se mogao vratiti unatrag ako zatreba.

Pet faza čišćenja Pet koraka: revizija kvalitete datoteke; rukovanje nedostajućim vrijednostima na temelju značenja praznine; definiranje i provjera duplikata; standardizacija datuma, teksta i brojeva; izvoz očišćene datoteke. ČIŠĆENJE Pet faza čišćenja 1 Revizija Kvaliteta 2 Nedostajuće Na temelju praznine 3 Duplikati Provjereno 4 Formati Datumi, tekst 5 Izvoz Čista datoteka Radi na kopiji: originalna datoteka ostaje netaknuta.
Metoda lekcije; anomalije na temelju članka "Extracting Insights with ChatGPT Data Analysis" iz OpenAI Help Centera (studeni 2026.).

Tvoj red

Tvoje prvo čišćenje.

  1. Uvezi kopiju stvarne datoteke i zatraži reviziju kvalitete
  2. Rukuj nedostajućim vrijednostima stupac po stupac, ovisno o tome što praznina znači
  3. Definiraj što čini duplikat, pregledaj zahvaćene retke, a zatim ih ukloni
  4. Standardiziraj datume, gradove i iznose
  5. Preuzmi čistu datoteku i usporedi broj redaka s originalom

Službeni izvori: Extracting Insights with ChatGPT Data Analysis · Data analysis with ChatGPT (OpenAI Help Center)

Ključne točke

  • Uvijek započni revizijom kvalitete prije analize
  • ChatGPT rukuje nedostajućim vrijednostima, duplikatima i nedosljednim formatima u nekoliko poruka
  • Sustavno provjeravaj međurezultate—zatraži pregled nakon svake operacije
  • Izvezi očišćenu datoteku kako bi je ponovno upotrijebio u drugim alatima ako je potrebno
  • Python kod je vidljiv: možeš ga kopirati i ponovno upotrijebiti u vlastitim skriptama