Calculer la proportion de lignes supprimées au total depuis le début de la recette (indiquez juste le pourcentage sans décimale et sans le signe %).

Modifier les types des colonnes endowment (mettre double pour convertir automatiquement les valeurs en notation scientifique du type 6.2E7) et numStudents (mettre int32) puis supprimer toutes les lignes incorrectes.

On notera que le système de correction de type va tenter de vous faire plaisir. Ainsi si un cellule contient :

• "1.3E7" et que vous indiquez que c'est un int32, le système va corriger en "1"
• La même valeur en double il va corriger en "13000000" (ce qui est correct).
• La valeur "18,234" (la virgule est utilisée comme séparateur des milliers en anglais) il va corriger en "18"
• La valeur "il y a 5000 étudiants" commence par une lettre donc il jettera le contenu

En clair il regarde si la cellule commence par un chiffre et tant qu'il en trouve il les conserve.

Combien reste-t-il de lignes ?

Inspectez les données pour identifier les problèmes puis cochez les cases qui correspondent à ce que vous avez trouvé.

Supprimez toutes les lignes qui contiennent des attributs vides ou null. Combien de lignes ont été supprimées ?

Combien de colonnes sont utiles pour notre étude (relisez l'objectif de l'étude en cas de doute) ? On ne garde rien de plus que ce qui est vraiment nécessaire.

Qu'est-ce que le data wrangling ?