En science des données, il existe un concept appelé la règle des 80/20.
À proprement parler, il s'agit davantage d'une observation empirique que d'une loi : sur les ressources (temps et main-d'œuvre) consommées dans le processus d'analyse des données, seulement 20 % sont consacrées au travail de modélisation et d'analyse proprement dit, tandis que 80 % des ressources sont dépensées pour la recherche, l'amélioration et la reconstruction des données.
Les données font toujours défaut, et même celles que nous collectons sont souvent incomplètes ou mal formatées.
Les résultats de l'analyse ne correspondent pas à l'intuition, probablement parce que les données contiennent des valeurs étranges.
Quiconque a déjà effectué un véritable travail d'analyse de données partagera ce point de vue.

Les données d'exemple que nous utilisons dans la plupart des cours sont généralement des données « propres », c'est-à-dire prétraitées afin de réduire les tâtonnements.
Ce manuel aborde les bases du prétraitement, la collecte de données « imparfaites » plus réalistes et l'amélioration des données collectées en fonction de l'objectif de l'analyse.
Comme le traitement approfondi de chaque élément (extraction de données Web, programmation API, remplissage des valeurs manquantes, etc.) nécessiterait plusieurs ouvrages, nous présentons les techniques les plus courantes et les plus fondamentales et fournissons des exemples appropriés afin que vous puissiez les appliquer à des données réelles.

Ce manuel contient de nombreux exemples de code Python.
Vous pouvez télécharger ces codes directement depuis le site web de l'auteur, mais comme le traitement des données relève davantage d'une compétence pratique à acquérir que d'une discipline académique systématique, je vous recommande de ne pas vous contenter d'exécuter ces codes ; de les saisir vous-même, de procéder par essais et erreurs et de les transformer en outils utiles pour vous-même.
Je vous recommande de procéder par essais et erreurs pour en faire un outil que vous pourrez utiliser efficacement.