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 erhielten Sie das Ergebnis:
| 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. Beispielsweise 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 erfolgen, 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
What are the potential drawbacks of deleting rows with missing values?
Can you explain how .dropna() works in more detail?
Are there alternative methods to handle missing values besides deleting rows?
Awesome!
Completion rate improved to 3.03
Wie 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 erhielten Sie das Ergebnis:
| 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. Beispielsweise 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 erfolgen, 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