Cleaning and Exploring Big Data using PySpark

4.3
Sterne
40 Bewertungen
von
Coursera Project Network
2.686 bereits angemeldet
In diesem angeleitetes Projekt werden Sie:

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
IntermediateMittel
CloudKein Download erforderlich
VideoVideo auf geteiltem Bildschirm
Comment DotsEnglisch
LaptopNur Desktop

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.

Kompetenzen, die Sie erwerben werden

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

Schritt für Schritt lernen

In einem Video, das auf einer Hälfte Ihres Arbeitsbereichs abgespielt wird, führt Sie Ihr Dozent durch diese Schritte:

  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

Ablauf angeleiteter Projekte

Ihr Arbeitsbereich ist ein Cloud-Desktop direkt in Ihrem Browser, kein Download erforderlich

Ihr Dozent leitet Sie in einem Video mit geteiltem Bildschirm Schritt für Schritt an.

Bewertungen

Top-Bewertungen von CLEANING AND EXPLORING BIG DATA USING PYSPARK

Alle Bewertungen anzeigen

Häufig gestellte Fragen

Häufig gestellte Fragen

Haben Sie weitere Fragen? Besuchen Sie das Learner Help Center.