df.info(); df.dtypes; df.isna().sum() # první prohlídka
df["a"].value_counts(dropna=False) # jaké hodnoty tam jsou
df.duplicated().sum() # počet duplicit
df.dropna(subset=["a"]) # smaž řádky bez a
df["a"].fillna(0); df["a"].ffill() # doplň hodnotu, opiš předchozí
df["a"].fillna(df.groupby("k")["a"].transform("median"))
df["t"].str.strip().str.lower() # úklid textu
df["t"].str.replace(r"\s", "", regex=True) # i nezlomitelné mezery
pd.to_numeric(s, errors="coerce") # na čísla, chyby = NaN
pd.to_datetime(s, format="%d.%m.%Y", errors="coerce")
df["k"].map({"a": "A"}) # neznámé = NaN
df.drop_duplicates(subset="id", keep="first")
s.where(s.between(15, 100)) # mimo rozsah = NaN
s.clip(lower=0, upper=100) # přitlač na hranice
pd.read_csv(f, sep=";", decimal=",", thousands=" ",
na_values=["-"], dtype={"ico": "string"})Tahák · Python · Práce s daty
Čištění dat
Najdeš chybějící hodnoty, duplicity a nesmysly, převedeš text na čísla a data a poskládáš čištění do opakovatelné funkce.