Notice: This page requires JavaScript to function properly.
Please enable JavaScript in your browser settings or update your browser.
Lære Hvordan Sletter Man Kun NaN-Værdier? | Forbehandling af Data
Avancerede Teknikker i Pandas

bookHvordan 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:

PassengerId0
Survived0
Pclass0
Name0
Sex0
Age86
SibSp0
Parch0
Ticket0
Fare1
Embarked0

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.

Opgave

Swipe to start coding

Din opgave her er at slette alle manglende værdier og kontrollere, om du har gjort det korrekt.

  1. Fjern NaN-værdierne ved at bruge argumentet inplace=True.
  2. Beregn antallet af NaN-værdier.

Løsning

Var alt klart?

Hvordan kan vi forbedre det?

Tak for dine kommentarer!

Sektion 5. Kapitel 4
single

single

Spørg AI

expand

Spørg AI

ChatGPT

Spørg om hvad som helst eller prøv et af de foreslåede spørgsmål for at starte vores chat

close

Awesome!

Completion rate improved to 3.03

bookHvordan 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:

PassengerId0
Survived0
Pclass0
Name0
Sex0
Age86
SibSp0
Parch0
Ticket0
Fare1
Embarked0

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.

Opgave

Swipe to start coding

Din opgave her er at slette alle manglende værdier og kontrollere, om du har gjort det korrekt.

  1. Fjern NaN-værdierne ved at bruge argumentet inplace=True.
  2. Beregn antallet af NaN-værdier.

Løsning

Switch to desktopSkift til skrivebord for at øve i den virkelige verdenFortsæt der, hvor du er, med en af nedenstående muligheder
Var alt klart?

Hvordan kan vi forbedre det?

Tak for dine kommentarer!

Sektion 5. Kapitel 4
single

single

some-alt