Partie 2 · Bilan
Bilan : nettoyer dans le bon ordre
| Problème | Détection | Traitement |
|---|---|---|
| Valeurs manquantes | isnull().sum(), info() | dropna (how/thresh/axis) ou fillna (constante, moyenne, médiane, mode, ffill/bfill) |
| Valeurs extrêmes | Z-score, IQR, boxplot | conserver, supprimer, capping, log |
| Doublons | duplicated(subset) | drop_duplicates(keep) |
| Dates en texte | dtypes = object | to_datetime(format, errors='coerce') |
| Texte incohérent | value_counts sur la colonne | .str.lower/strip/replace/extract |
Règle de méthode : mesurer avant de corriger, choisir la correction selon le contexte (plausibilité, volume), et garder trace des choix. Normaliser le texte avant de chercher les doublons évite de rater « Paris » et « paris ».
Vérifie que tu as compris
Pourquoi normaliser le texte avant de chercher les doublons ?