Ausfüllen der Fehlenden Werte

Das Löschen fehlender Werte ist nicht der einzige Weg, um sie loszuwerden. Sie können auch alle NaNs durch einen definierten Wert ersetzen, zum Beispiel durch den Mittelwert der Spalte oder durch Nullen. Dies kann in vielen Fällen nützlich sein. Sie werden dies im Kurs Lernen von Statistik mit Python lernen.

Schauen Sie sich das Beispiel an, wie fehlende Werte in der Spalte 'Age' mit dem Medianwert dieser Spalte gefüllt werden:


              1234
            
import pandas as pd
data = pd.read_csv('https://codefinity-content-media.s3.eu-west-1.amazonaws.com/4bf24830-59ba-4418-969b-aaf8117d522e/titanic_2', index_col = 0)
data['Age'].fillna(value=data['Age'].median(), inplace=True)
print(data['Age'].isna().sum())

Erklärung:

value = data['Age'].median() - mit dem Argument value geben wir der Methode .fillna() an, was mit den NaN-Werten zu tun ist. In diesem Fall haben wir die Methode .fillna() auf die Spalte 'Age' angewendet und alle fehlenden Werte durch den Median der Spalte ersetzt;
inplace=True - das Argument, das wir verwenden können, um Änderungen zu speichern.

Aufgabe

Swipe to start coding

Eine der häufigsten Methoden, fehlende Werte zu füllen, besteht darin, sie durch den Mittelwert der Spalte zu ersetzen. Ihre Aufgabe besteht darin, die NaN-Werte in der Spalte 'Age' durch den Mittelwert der Spalte zu ersetzen (unter Verwendung des Arguments inplace = True). Geben Sie dann die Summe der fehlenden Werte in der Spalte 'Age' aus.

Lösung

Wechseln Sie zum Desktop, um in der realen Welt zu übenFahren Sie dort fort, wo Sie sind, indem Sie eine der folgenden Optionen verwenden

War alles klar?

Danke für Ihr Feedback!

Abschnitt 5. Kapitel 5

Ausfüllen der Fehlenden Werte

Schauen Sie sich das Beispiel an, wie fehlende Werte in der Spalte 'Age' mit dem Medianwert dieser Spalte gefüllt werden:


              1234
            
import pandas as pd
data = pd.read_csv('https://codefinity-content-media.s3.eu-west-1.amazonaws.com/4bf24830-59ba-4418-969b-aaf8117d522e/titanic_2', index_col = 0)
data['Age'].fillna(value=data['Age'].median(), inplace=True)
print(data['Age'].isna().sum())

Erklärung:

value = data['Age'].median() - mit dem Argument value geben wir der Methode .fillna() an, was mit den NaN-Werten zu tun ist. In diesem Fall haben wir die Methode .fillna() auf die Spalte 'Age' angewendet und alle fehlenden Werte durch den Median der Spalte ersetzt;
inplace=True - das Argument, das wir verwenden können, um Änderungen zu speichern.

Aufgabe

Swipe to start coding

Lösung

Wechseln Sie zum Desktop, um in der realen Welt zu übenFahren Sie dort fort, wo Sie sind, indem Sie eine der folgenden Optionen verwenden

War alles klar?

Danke für Ihr Feedback!

Abschnitt 5. Kapitel 5

Wechseln Sie zum Desktop, um in der realen Welt zu übenFahren Sie dort fort, wo Sie sind, indem Sie eine der folgenden Optionen verwenden