Adatvizsgálat és előkészítés

A projekt során három különálló adathalmazt elemeztem: A, B és C. Mindegyikhez külön Jupyter munkafüzet készült, így az elemzések jól elkülöníthetők és önállóan is áttekinthetők.

Az egyes munkafüzetek az alábbi linkeken érhetők el:

• A adathalmaz munkafüzete

• B adathalmaz munkafüzete

• C adathalmaz munkafüzete

Az eredeti CSV fájlok a projekt README fájljában megadott linken érhetők el.

Az egyes adathalmazokra az alábbi alapvető vizsgálati lépéseket végeztem el:

• Az adatok betöltése és szerkezetének áttekintése (oszlopok, adattípusok, hiányzó értékek).

• Alapvető statisztikai leíró mutatók vizsgálata.

• A főbb attribútumok vizualizációja (eloszlások, korrelációk, trendek – ahol releváns).

• Adatminőségi problémák, kiugró értékek és mintázatok azonosítása.

Minden adathalmaz elemzése külön munkafüzetben történt, így az egyes adatforrások sajátosságai jól követhetők és összehasonlíthatók.