Le diagnostic de qualité est l'état des lieux d'un jeu de données avant nettoyage : valeurs manquantes, doublons, types incorrects, valeurs hors plage, incohérences de format. On le mesure par des comptages et des statistiques avant de modifier quoi que ce soit, afin de décider des corrections et de pouvoir les justifier.
Exemple
df.isna().sum()
df.duplicated().sum()