Wie Löscht Man Nur NaN-Werte?
Sie haben bereits eine Methode zum Umgang mit NaN-Werten kennengelernt, aber überlegen wir, was wir mit den übrigen tun können. Betrachten Sie noch einmal die Anzahl der Ausreißer in jeder Spalte:
Im vorherigen Kapitel haben Sie folgendes Ergebnis erhalten:
| PassengerId | 0 |
| Survived | 0 |
| Pclass | 0 |
| Name | 0 |
| Sex | 0 |
| Age | 86 |
| SibSp | 0 |
| Parch | 0 |
| Ticket | 0 |
| Fare | 1 |
| Embarked | 0 |
Die einfachste Methode ist das Löschen aller Zeilen, die fehlende Werte enthalten. Zum Beispiel fehlen 86 Werte im Alter sowie 1 Wert in der Spalte 'Fare'. Schauen wir uns an, wie wir diese löschen können. In pandas kann dies mit einer einfachen Methode durchgeführt werden, ähnlich wie im vorherigen Kapitel, nämlich mit .dropna():
data.dropna(inplace=True)
Hier kann inplace=True verwendet werden, um alle Änderungen zu speichern. Lassen Sie uns die Funktion besprechen. Wenn eine Zeile in der Spalte 'Age' einen NaN-Wert enthält, löscht diese Methode alle Werte in derselben Zeile. Die gesamte Zeile wird gelöscht, wenn mindestens ein Wert in der Zeile fehlt.
Swipe to start coding
Ihre Aufgabe besteht darin, alle fehlenden Werte zu löschen und zu überprüfen, ob Sie alles korrekt durchgeführt haben.
- Entfernen Sie die
NaN-Werte mit dem Argumentinplace=True. - Berechnen Sie die Anzahl der
NaN-Werte.
Lösung
Danke für Ihr Feedback!
single
Fragen Sie AI
Fragen Sie AI
Fragen Sie alles oder probieren Sie eine der vorgeschlagenen Fragen, um unser Gespräch zu beginnen
Awesome!
Completion rate improved to 3.03Wie Löscht Man Nur NaN-Werte?
Swipe um das Menü anzuzeigen
Sie haben bereits eine Methode zum Umgang mit NaN-Werten kennengelernt, aber überlegen wir, was wir mit den übrigen tun können. Betrachten Sie noch einmal die Anzahl der Ausreißer in jeder Spalte:
Im vorherigen Kapitel haben Sie folgendes Ergebnis erhalten:
| PassengerId | 0 |
| Survived | 0 |
| Pclass | 0 |
| Name | 0 |
| Sex | 0 |
| Age | 86 |
| SibSp | 0 |
| Parch | 0 |
| Ticket | 0 |
| Fare | 1 |
| Embarked | 0 |
Die einfachste Methode ist das Löschen aller Zeilen, die fehlende Werte enthalten. Zum Beispiel fehlen 86 Werte im Alter sowie 1 Wert in der Spalte 'Fare'. Schauen wir uns an, wie wir diese löschen können. In pandas kann dies mit einer einfachen Methode durchgeführt werden, ähnlich wie im vorherigen Kapitel, nämlich mit .dropna():
data.dropna(inplace=True)
Hier kann inplace=True verwendet werden, um alle Änderungen zu speichern. Lassen Sie uns die Funktion besprechen. Wenn eine Zeile in der Spalte 'Age' einen NaN-Wert enthält, löscht diese Methode alle Werte in derselben Zeile. Die gesamte Zeile wird gelöscht, wenn mindestens ein Wert in der Zeile fehlt.
Swipe to start coding
Ihre Aufgabe besteht darin, alle fehlenden Werte zu löschen und zu überprüfen, ob Sie alles korrekt durchgeführt haben.
- Entfernen Sie die
NaN-Werte mit dem Argumentinplace=True. - Berechnen Sie die Anzahl der
NaN-Werte.
Lösung
Wechseln Sie zum Desktop, um in der realen Welt zu übenFahren Sie dort fort, wo Sie sind, indem Sie eine der folgenden Optionen verwendenDanke für Ihr Feedback!
single
