تنظيف القيم غير المتسقة والمسافات والتواريخ
توحيد الكتابة دون دمج فئات مختلفة أو تغيير المعنى الأصلي للبيانات.
المشكلة الشائعة
قد تظهر الفئة نفسها بصيغ مثل «القاهرة»، «القاهره» و« القاهرة ». المسافات والحالة والأخطاء البسيطة تقسّم المجموعة وتشوّه العد والنسب.
التواريخ أخطر: 03/04 قد يعني 3 أبريل أو 4 مارس. لا توحّد تاريخًا ملتبسًا قبل معرفة تنسيق المصدر.
خطوات عملية
- أزل المسافات الزائدة أولًا.
- أنشئ جدول تحويل للقيم المعروفة بدل الاستبدال العشوائي.
- وحّد التاريخ إلى صيغة YYYY-MM-DD بعد التحقق.
- استخدم المعاينة وقارن عدد القيم الفريدة قبل التطبيق وبعده.
لا تمس الأصل
صدّر نسخة منظفة باسم جديد واحتفظ بالملف الأصلي وسجل قواعد التحويل؛ فالقدرة على الرجوع جزء من جودة البيانات.
طبّق هذا الدليل
استخدم الأداة المرتبطة على نسخة غير حساسة من بياناتك، وراجع كل نتيجة، واحتفظ بالملف الأصلي دون تغيير.
عاين إصلاحات البيانات