Summary  
This chapter demonstrates how to detect missing values in a dataset by using functions that return boolean indicators for NaNs.  

General domain of usage  
Data cleaning

Jeg er glad for at se dig i kursets sidste sektion. Her skal du behandle data om passagererne på Titanic. Først skal vi undersøge dem:

Det første trin i vores læring er at finde manglende værdier. For øvrigt kan det nogle gange være svært eller endda umuligt at udfylde alle værdierne i en kolonne; nogle af dem kan mangle. Sådanne tilfælde kan forringe dit resultat. I datasættet ser de altid sådan ud: `NaN`. Lad os først finde ud af, om dit datasæt indeholder manglende værdier.

Pandas har to funktioner, du kan anvende på datasættet for at finde manglende værdier. Begge vil angive `False`, hvis datasættets værdier ikke mangler, og `True` ellers.

```python
data.isna()
# Or
data.isnull()
```


Vælg venligst de FORKERTE måder at kontrollere for manglende værdier.

Dette kursus indeholder mange nyttige funktioner for en kommende dataanalytiker. Du vil lære forskellige metoder til at udtrække data og endda opstille betingelser for dem. Derefter vil du blive fortrolig med metoder til gruppering af data. Du vil også lære, hvordan man forbehandler data. Hvert afsnit har sit eget datasæt, hvilket gør kurset engagerende.

Dette afsnit vil lære dig, hvordan du udtrækker specifikke kolonner ved hjælp af deres titler eller indekser. Du vil også blive introduceret til metoder til at udvælge rækker baseret på indekser.

Her vil du lære, hvordan du udtrækker data med specifikke betingelser. Du vil også lære, hvordan du kombinerer dem og endda opretter dine egne.

I dette afsnit udvider du din viden om at opstille forskellige datakriterier. Du lærer at kontrollere, om dine data er i en defineret liste af værdier eller mellem to værdier. Du lærer også, hvordan du finder de største og mindste værdier.

Dette afsnit er et af de mest fascinerende i kurset. Her lærer du, hvordan du kan gruppere data på forskellige måder. Det vil hjælpe dig som dataanalytiker med at finde information om specifikke datagrupper.

Dette afsnit er et af de mest betydningsfulde for en dataanalytiker, da det vil være umuligt at arbejde med data, hvis de indeholder manglende værdier eller er i et forkert format. Derfor vil du her lære, hvordan du håndterer sådanne uhensigtsmæssige værdier.

Kontrol af Manglende Værdier

Awesome!

Kontrol af Manglende Værdier