Notice: This page requires JavaScript to function properly.
Please enable JavaScript in your browser settings or update your browser.
Lernen Berechnung der Anzahl Fehlender Werte | Datenvorverarbeitung
Fortgeschrittene Techniken in Pandas

book
Berechnung der Anzahl Fehlender Werte

Es sollte beachtet werden, dass es nicht praktisch ist, jeden Wert des Datensatzes auf NaN zu überprüfen. Es ist praktischer, die Anzahl der fehlenden Werte zu sehen, um die Spalten zu identifizieren, in denen wir NaNs haben. Wie Sie sich erinnern, haben wir zwei Funktionen, um die fehlenden Werte zu überprüfen. Um die Summe zu berechnen, verwenden Sie einfach die .sum() Funktion. Im Allgemeinen haben wir also 2 Möglichkeiten, die Anzahl der NaNs für jede Spalte auszugeben:

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

Okay, nichts Kompliziertes. Lassen Sie uns zur Aufgabe übergehen.

Aufgabe

Swipe to start coding

  1. Berechnen Sie die Anzahl der fehlenden Werte für den Datensatz mit einer der genannten Funktionen.
  2. Geben Sie das Ergebnis aus.

Versuchen Sie, Ihre eigenen Schlussfolgerungen zu ziehen.

Lösung

import pandas as pd

data = pd.read_csv('https://codefinity-content-media.s3.eu-west-1.amazonaws.com/4bf24830-59ba-4418-969b-aaf8117d522e/titanic_0.csv')

# Calculate the number of missing values
Nan = data.isna().sum()

# Output the result
print(Nan)

War alles klar?

Wie können wir es verbessern?

Danke für Ihr Feedback!

Abschnitt 5. Kapitel 2
import pandas as pd

data = pd.read_csv('https://codefinity-content-media.s3.eu-west-1.amazonaws.com/4bf24830-59ba-4418-969b-aaf8117d522e/titanic_0.csv')

# Calculate the number of missing values
Nan = ___

# Output the result
___

Fragen Sie AI

expand
ChatGPT

Fragen Sie alles oder probieren Sie eine der vorgeschlagenen Fragen, um unser Gespräch zu beginnen

some-alt