Cleaning and Exploring Big Data using PySpark

4.2
étoiles
41 évaluations
Offert par
Coursera Project Network
2 705 déjà inscrits
Dans ce Projet Guidé, vous :

Learn how to clean your big dataset in PySpark

Learn how to explore big dataset in PySpark

Learn how to create visualizations from big dataset loaded in PySpark

Clock2 hours
IntermediateIntermédiaire
CloudAucun téléchargement requis
VideoVidéo en écran partagé
Comment DotsAnglais
LaptopOrdinateur de bureau uniquement

By the end of this project, you will learn how to clean, explore and visualize big data using PySpark. You will be using an open source dataset containing information on all the water wells in Tanzania. I will teach you various ways to clean and explore your big data in PySpark such as changing column’s data type, renaming categories with low frequency in character columns and imputing missing values in numerical columns. I will also teach you ways to visualize your data by intelligently converting Spark dataframe to Pandas dataframe. Cleaning and exploring big data in PySpark is quite different from Python due to the distributed nature of Spark dataframes. This guided project will dive deep into various ways to clean and explore your data loaded in PySpark. Data preprocessing in big data analysis is a crucial step and one should learn about it before building any big data machine learning model. Note: You should have a Gmail account which you will use to sign into Google Colab. Note: This course works best for learners who are based in the North America region. We’re currently working on providing the same experience in other regions.

Les compétences que vous développerez

  • Cleaning
  • Python Programming
  • Data Visualization (DataViz)
  • Apache Spark
  • Exploratory Data Analysis

Apprendrez étape par étape

Votre enseignant(e) vous guidera étape par étape, grâce à une vidéo en écran partagé sur votre espace de travail :

  1. Install Spark on Google Colab and load datasets in PySpark

  2. Change column datatype, remove whitespaces and drop duplicates

  3. Remove columns with Null values higher than a threshold

  4. Group, aggregate and create pivot tables

  5. Rename categories and impute missing numeric values

  6. Create visualizations to gather insights

Comment fonctionnent les Projets Guidés

Votre espace de travail est un bureau cloud situé dans votre navigateur, aucun téléchargement n'est requis.

Votre enseignant(e) vous guide étape par étape dans une vidéo en écran partagé

Avis

Meilleurs avis pour CLEANING AND EXPLORING BIG DATA USING PYSPARK

Voir tous les avis

Foire Aux Questions

Foire Aux Questions

D'autres questions ? Visitez le Centre d'Aide pour les Étudiants.