Codzy

Data: pulire i dati

Nella vita reale i dati sono sporchi: spazi in più, celle vuote, valori mancanti (None), testo al posto di un numero, valori impossibili. Si dice spesso che la pulizia occupa l'80% del tempo di un data scientist.

Il metodo: .strip() toglie gli spazi, si ignorano (o si sostituiscono) i valori mancanti, si verifica il formato prima di convertire (.isdigit() o try/except), poi si scartano i valori fuori intervallo. Meglio perdere una riga dubbia che falsare tutta l'analisi.

raw = ["  Alice ", "BOB", "", "charlie", None, "  "]

clean = []
for name in raw:
    if name is None or not name.strip():
        continue  # skip missing values
    clean.append(name.strip().capitalize())
print(clean)

Inizia la lezione