Ravindra Bagale · Data Scienceसर्व coursesया course चे lessonsशोधाEnglish

Data Science · मराठी आवृत्ती

22.5 Folder hygiene: raw vs clean vs outputs

By Ravindra Bagale

या course चे सर्व chapters (py + ch)

हे का शिकायचं?

एकच folder मध्ये सर्व मिसळलं की कोणती file final आहे कळत नाही.

हे काय आहे?

raw/ = अस्पर्शित exports. clean/ = cleaned tables. outputs/ = CSV/Excel/PNG जे share करता.

कसं करायचं?

Step 1. तीन folders बनवा.

Step 2. raw कधीOverwrite करू नका.

Step 3. Notebook outputs/ मध्ये लिहितं का ते तपासा.

Step 4. README मध्ये एक वाक्य लिहा.

उदाहरणं: copy करा आणि चालवा

Bad Better
final.csv orders_clean_2026-10-22.csv
chart.png pune_delivered_gmv_2026-10-22.png
newnew2.xlsx city_status_2026-10-22.xlsx

उदाहरण A — Paths in code.

from pathlib import Path

ROOT = Path(".")
RAW = ROOT / "data" / "raw" / "blinkit_maha_22-10-2026.csv"
CLEAN = ROOT / "data" / "clean" / "orders_clean.csv"
OUT = ROOT / "outputs"
FIG = ROOT / "figures"
for d in [RAW.parent, CLEAN.parent, OUT, FIG]:
    d.mkdir(parents=True, exist_ok=True)

उदाहरण B — Naming.

Bad Better
final.csv orders_clean_2026-10-22.csv
chart.png pune_delivered_gmv_2026-10-22.png
newnew2.xlsx city_status_2026-10-22.xlsx

उदाहरण C — README stub.

# Blinkit Maharashtra lab (fictional)
Grain: one row = one order.
Cities: Pune, Solapur, Nashik, Sambhaji Nagar, Kolhapur, Nagpur.
Currency: INR. Dates: dd-mm-yyyy. Timezone: IST.
Raw files are immutable. Clean files are rebuilt from notebooks.

Salman clones the folder months later and still understands it.