Làm sạch và chuẩn hóa dữ liệu

Bài học ngắn

Điều cần nắm

Làm sạch phải giữ bản gốc và nhật ký biến đổi. Khử trùng cần so nội dung, không chỉ xóa theo mã. Giá thiếu là lỗi cần kiểm, không phải doanh thu bằng không.

Nhiệm vụ luyện (bộ dữ liệu A)

Chuẩn hóa bảng, khử dòng lặp đúng nghĩa, xuất bản sạch và nhật ký lỗi.

Đầu ra cần nộp: clean.csv; issues.csv; transformation_log; giữ raw.csv.

Bộ dữ liệu A (giả lập) · G02-A

Quy tắc: doanh thu hợp lệ = qty*unit_price*(1-discount) cho status delivered; khử trùng theo sale_id sau khi so các trường; thiếu giá ghi cần kiểm, không tự điền 0; refunded/cancelled/pending không cộng doanh thu. Đồng Việt Nam, discount dạng 0–1. Ngày chuẩn ISO.
sale_id,date,sku,qty,unit_price,discount,status
S01,2026-10-01,P01,2,120000,0.10,delivered
S02,2026-10-01,P02,1,180000,0,delivered
S03,2026-10-02,P01,3,120000,0,delivered
S03,2026-10-02,P01,3,120000,0,delivered
S04,2026-10-02,P02,2,180000,0.05,refunded
S05,2026-10-03,P01,1,120000,0,cancelled
S06,2026-10-03,P02,2,180000,0.10,delivered
S07,2026-10-03,P02,1,,0,pending
Mục tiêu: báo cáo doanh thu theo ngày và SKU. Không suy lợi nhuận vì chưa có giá vốn.

• G02-A.csv · Dữ liệu bộ A (CSV)

Ví dụ đối chiếu và lỗi thường gặp

Ví dụ trên bộ A: 8 dòng đầu vào → 7 mã duy nhất; S03 lặp; S07 thiếu giá, pending; không tự điền giá.

Lỗi thường gặp: Xóa luôn bản gốc; gộp dòng khác nội dung; điền 0 che lỗi.

Đây là hỗ trợ luyện, không phải bằng chứng tự làm; bài đánh giá dùng dữ liệu khác.

Luyện với Thạo

Bài làm

Cùng Thạo làm một việc có đầu ra rõ ràng. Điền theo từng phần; Thạo ở cột bên gợi một bước mỗi lần. Khách chưa đăng nhập: nháp giữ trong tab này.