Normaliser avant de chercher les doublons

Partie 4 · ★★★

Ces trois lignes sont le même client écrit de façons différentes. Sans normalisation, un test de doublons ne voit rien. Compte d'abord les doublons bruts, puis normalise (minuscules, sans espaces autour) et recompte.

clients = ["Alice Martin", "alice martin ", " ALICE MARTIN", "Bob Durand"]
doublons_bruts = len(clients) - len(set(clients))
normalises = [c.___().lower() for c in clients]
doublons_normalises = len(normalises) - len(___(normalises))
uniques = sorted(set(normalises))

Ctrl/⌘+Entrée

Exercice suivant → Winsorisation aux quantiles 5 % et 95 %