Hvordan Sletter Man Kun NaN-Værdier?
Du har håndteret én måde at behandle NaN-værdier på, men lad os overveje, hvad vi kan gøre med de øvrige. Se endnu en gang på antallet af outliers i hver kolonne:
I det forrige kapitel fik du følgende resultat:
| PassengerId | 0 |
| Survived | 0 |
| Pclass | 0 |
| Name | 0 |
| Sex | 0 |
| Age | 86 |
| SibSp | 0 |
| Parch | 0 |
| Ticket | 0 |
| Fare | 1 |
| Embarked | 0 |
Den simpleste metode er at slette alle rækker, der indeholder manglende værdier. For eksempel mangler der 86 rækker med alder, samt 1 række i kolonnen 'Fare'. Lad os undersøge, hvordan vi kan slette dem. I pandas kan du gøre dette med én simpel metode, svarende til den i det forrige kapitel, kaldet .dropna():
data.dropna(inplace=True)
Her kan du bruge inplace=True for at gemme alle ændringer. Lad os tale om funktionen. Hvis en række i kolonnen 'Age' har en NaN-værdi, vil denne metode slette alle værdier i samme række. Hele rækken vil blive slettet, hvis mindst én værdi i rækken mangler.
Swipe to start coding
Din opgave her er at slette alle manglende værdier og kontrollere, om du har gjort det korrekt.
- Fjern
NaN-værdierne ved at bruge argumentetinplace=True. - Beregn antallet af
NaN-værdier.
Løsning
Tak for dine kommentarer!
single
Spørg AI
Spørg AI
Spørg om hvad som helst eller prøv et af de foreslåede spørgsmål for at starte vores chat
Awesome!
Completion rate improved to 3.03Hvordan Sletter Man Kun NaN-Værdier?
Stryg for at vise menuen
Du har håndteret én måde at behandle NaN-værdier på, men lad os overveje, hvad vi kan gøre med de øvrige. Se endnu en gang på antallet af outliers i hver kolonne:
I det forrige kapitel fik du følgende resultat:
| PassengerId | 0 |
| Survived | 0 |
| Pclass | 0 |
| Name | 0 |
| Sex | 0 |
| Age | 86 |
| SibSp | 0 |
| Parch | 0 |
| Ticket | 0 |
| Fare | 1 |
| Embarked | 0 |
Den simpleste metode er at slette alle rækker, der indeholder manglende værdier. For eksempel mangler der 86 rækker med alder, samt 1 række i kolonnen 'Fare'. Lad os undersøge, hvordan vi kan slette dem. I pandas kan du gøre dette med én simpel metode, svarende til den i det forrige kapitel, kaldet .dropna():
data.dropna(inplace=True)
Her kan du bruge inplace=True for at gemme alle ændringer. Lad os tale om funktionen. Hvis en række i kolonnen 'Age' har en NaN-værdi, vil denne metode slette alle værdier i samme række. Hele rækken vil blive slettet, hvis mindst én værdi i rækken mangler.
Swipe to start coding
Din opgave her er at slette alle manglende værdier og kontrollere, om du har gjort det korrekt.
- Fjern
NaN-værdierne ved at bruge argumentetinplace=True. - Beregn antallet af
NaN-værdier.
Løsning
Skift til skrivebord for at øve i den virkelige verdenFortsæt der, hvor du er, med en af nedenstående mulighederTak for dine kommentarer!
single
