Data समझना: Collect, Store, Process

Data क्या है?

Data raw facts और figures का संग्रह है — numbers, शब्द, माप, observations, images या आवाज़ें। अकेले data का ज़्यादा मतलब नहीं होता। Organise और process करने पर यह information बनता है जो कुछ समझने या फ़ैसला लेने में मदद करती है।

Data क्यों ज़रूरी है

Data के प्रकार

Data qualitative (वर्णनात्मक: रंग, grade, शहर) या quantitative (संख्यात्मक: ऊँचाई, price, temperature) भी होता है। Quantitative data discrete (गिना हुआ: students की संख्या) या continuous (मापा हुआ: ऊँचाई 162.5 cm) होता है।

Data collection

Data collection यानी सही sources से facts इकट्ठा करना ताकि उनका analysis हो सके। पहले तय करें क्या data चाहिए और क्यों।

Data storage

इकट्ठा data सुरक्षित store करना ज़रूरी है ताकि बाद में use हो सके। छोटा data files (text, CSV, spreadsheet) में; बड़ा या shared data databases (MySQL, जो Unit 4 में पढ़ेंगे) में रखा जाता है। Storage local devices (HDD, SSD, pen drive) या cloud (Google Drive, OneDrive, company servers) पर हो सकता है।

📁 survey_project/
├── raw_responses.csv     # जैसा इकट्ठा हुआ वैसा data
├── clean_data.csv        # errors हटाने के बाद
├── analysis.py           # processing का Python program
└── report.pdf            # charts के साथ final information

Data processing

Data processing वे operations हैं जो raw data को useful information में बदलते हैं।

Python में data साफ़ और process करना

असली survey data गड़बड़ होता है: extra spaces, numbers की जगह words, ख़ाली और असंभव values। Python इसे साफ़ कर सकता है:

# Raw survey data: hours of screen time per day
responses = ['3', '5', ' 2', 'four', '6', '', '3', '25']
clean = []
for r in responses:
    r = r.strip()
    if r.isdigit() and 0 <= int(r) <= 24:     # keep only valid hours
        clean.append(int(r))
print('Raw responses :', len(responses))
print('Valid values  :', clean)
print('Average hours :', round(sum(clean) / len(clean), 2))

Data को information में बदलना:

# Data -> information: classify readings
readings = {'Mon': 41, 'Tue': 38, 'Wed': 44, 'Thu': 36, 'Fri': 45}
for day, temp in readings.items():
    label = 'Heatwave' if temp >= 40 else 'Normal'
    print(day, temp, label)
hot = [d for d, t in readings.items() if t >= 40]
print('Heatwave days:', len(hot), hot)

सारांश और practice

• Data = raw facts; information = processed, अर्थपूर्ण data।
• Structured vs unstructured; qualitative vs quantitative (discrete/continuous)।
• Primary data आप इकट्ठा करते हैं; secondary पहले से मौजूद होता है।
• Processing: collect → clean → organise → analyse → present।