limpeza-cadg

Dados limpos para o Certificado Profissional de Análise de Dados do Google.

Curso	Semana	Seção	Conjuntos
4	3	Transformando dados	customer_purchase.csv
5	1	Classificar dados usando SQL	movies.csv
5	3	Usar instruções JOIN para agregar dados no SQL	employees.csv e departments.csv
6	2	Introdução ao Tableau	co2.csv
6	2	Trabalhar com várias fontes de dados	co2.xlsx, energy.csv, gdptotal.csv e totalpopulation.csv
7	2 a 4	Atividades práticas com R Markdown	Veja abaixo em mais informações

O que muda:

• Suporte para caracteres especiais
• Pontos e não vírgulas nas casas decimais
• Adequações nos tipos de dados
• Cabeçalhos destraduzidos para que as consultas fiquem como nos vídeos

Alguns campos são mantidos sujos quando a atividade consiste em limpá-los.

Clique para mais informações

Índice dos conjuntos

Curso 4, semana 3

Seção: Transformando dados
Conjunto de dados: customer_purchase.csv

Corrige o seguinte erro de importação para o BigQuery usando o esquema indicado:

Falha na criação da tabela: Error while reading data, error message: Could not parse 'USD 13,99' as DOUBLE for field product_price (position 6) starting at location 119 with message 'Unable to parse'. 

Remove a marcação de moeda "USD", que não permite a importação como um tipo float pelo esquema fornecido. Essa conversão de tipo seria parte da atividade, mas não deveria impossibilitar a importação do conjunto.

Curso 5, semana 1

Seção: Classificar dados usando SQL
Conjunto de dados: movies.csv

Substitui os caracteres especiais, resolvendo um problema de codificação. O script usado para normalizar e substituir as ocorrências está disponível na pasta scripts.

Curso 5, semana 3

Seção: Usar instruções JOIN para agregar dados no SQL
Conjuntos de dados: employees.csv e departments.csv

Desfaz a tradução dos cabeçalhos para que correspondam ao vídeo.

Curso 6, semana 2

Seção: Introdução ao Tableau
Conjuntos de dados: co2.csv

Corrige e destraduz os nomes e códigos dos países, permitindo a identificação como dados geográficos pelo Tableau.

Para automatizar a correção, foi usado um arquivo CSV com cada código ISO-3166 e um script. Ambos estão disponíveis na pasta scripts.

Curso 6, semana 2

Seção: Trabalhar com várias fontes de dados
Conjuntos de dados: co2.xlsx, energy.csv, gdptotal.csv e totalpopulation.csv

Corrige e destraduz os nomes e códigos dos países, permitindo que o Tableau os identifique como dados geográficos. Sem isso não é possível gerar uma visualização de mapa como pedido.

Corrige os valores decimais para pontos no lugar das vírgulas e destraduz os cabeçalhos para que apareçam como nos vídeos.

Curso 7

Os arquivos .Rmd disponibilizados para download vêm com a extensão .txt. Para que eles funcionem no RStudio você precisa renomear o final do nome do arquivo para .Rmd.

Se estiver no Windows e não conseguir ver a extensão no final do nome dos arquivos, você precisa habilitar a exibição.

Para as atividades que usam o conjunto hotel_bookings.csv, o arquivo baixado diretamente do Coursera causa o seguinte erro no RStudio:

Error in nchar(x, "width") : invalid multibyte string, element 1

Para baixar o arquivo CSV original, abra o link da atividade no RStudio Cloud (que aparece na própria página de cada atividade) e use o navegador de arquivos para acessar o conjunto: Course 7 -> Week 3 -> hotel_bookings.csv

Se apesar disso você ainda tiver erros ou caracteres estranhos nos arquivos R Markdown, por favor me envie uma mensagem com o título da atividade.

Se deseja utilizar os arquivos originais em inglês, você consegue baixá-los no link fornecido para o projeto no RStudio Cloud. Usando o painel de arquivos, selecione a pasta inteira e clique em More -> Export. Assim você baixa um arquivo compactado com a versão original.

Licenças

Os dados aqui disponíveis são provenientes de conjuntos públicos de dados ou são dados demonstrativos mostrados no conteúdo da certificação.

Fontes de dados e licenças:

• Banco Mundial
  • co2.xlsx e co2.csv: CC BY-NC 4.0
  • totalpopulation.csv: CC BY-4.0
  • gdptotal.csv: CC BY-4.0
• IMDb
  • movies.csv: IMDb non-commercial licensing
• Dados de exemplo da certificação
  • customer_purchase.csv
  • employees.csv e departments.csv