Les doublons arrivent très souvent quand on fait la saisie de nos données, voici les quelques raisons qui peuvent expliquer cela, et les étapes à faire pour les éliminer.
Il y a des doublons dans vos données
Quand vous travaillez sur votre PC, il est possible que vous ayez déjà enregistré ce dossier quelque part et que maintenant que vous aviez mis quelques rectifications, vous alliez encore l’enregistrer dans un autre répertoire. Il est également possible de faire une mauvaise ou une fausse manipulation, et que vous ayez fait une copie de ce même dossier. Par peur des hackers, beaucoup de gens font une copie de leurs dossiers et ils ne touchent pas la source, ils travaillent sur la copie. Ils n’écrasent donc jamais le fichier et il y a des séries de doublons à la fin. Il existe une bonne façon pour éviter saisie doublon et assurer une bonne qualité de vos données.
Comment se débarrasser des doublons ?
On appelle doublon, des fichiers de la même taille et nom, mais qui sont placés dans des répertoires différents. Lors du nettoyage du disque, une chose que vous devrez faire au moins une fois par mois, si vous travaillez tout le temps devant votre ordinateur. Pour repérer ces doublons, vous pouvez, vous allez dans votre dataset et vous irez dans votre « données dupliquées » et tapez des codes tel que « df.loc(df.duplicated)(), : (head) »… Mais le plus facile à faire est de transporter vos fichiers sur Excel et de sélectionner une colonne, puis de cliquer sur la barre du menu « mise en forme conditionnelle » vous avez une fenêtre popup qui s’ouvre et vous pointez sur la première règle et une liste apparaît et vous continuez jusqu’à la valeur proposée. Vous allez constater que les fichiers doublons se colorent en rouge. Il ne vous reste plus qu’à supprimer les lignes comme d’habitude.
Vous devrez faire attention, car les données en doublons peuvent fausser les diagnostics finals et vous mettre dans un embarras impossible à résoudre.
