Notice: This page requires JavaScript to function properly.
Please enable JavaScript in your browser settings or update your browser.
Lernen Wie Löscht Man Nur NaN-Werte? | Datenvorverarbeitung
Fortgeschrittene Techniken in Pandas

bookWie 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:

PassengerId0
Survived0
Pclass0
Name0
Sex0
Age86
SibSp0
Parch0
Ticket0
Fare1
Embarked0

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.

Aufgabe

Swipe to start coding

Ihre Aufgabe besteht darin, alle fehlenden Werte zu löschen und zu überprüfen, ob Sie alles korrekt durchgeführt haben.

  1. Entfernen Sie die NaN-Werte mit dem Argument inplace=True.
  2. Berechnen Sie die Anzahl der NaN-Werte.

Lösung

War alles klar?

Wie können wir es verbessern?

Danke für Ihr Feedback!

Abschnitt 5. Kapitel 4
single

single

Fragen Sie AI

expand

Fragen Sie AI

ChatGPT

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

close

Awesome!

Completion rate improved to 3.03

bookWie 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:

PassengerId0
Survived0
Pclass0
Name0
Sex0
Age86
SibSp0
Parch0
Ticket0
Fare1
Embarked0

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.

Aufgabe

Swipe to start coding

Ihre Aufgabe besteht darin, alle fehlenden Werte zu löschen und zu überprüfen, ob Sie alles korrekt durchgeführt haben.

  1. Entfernen Sie die NaN-Werte mit dem Argument inplace=True.
  2. Berechnen Sie die Anzahl der NaN-Werte.

Lösung

Switch to desktopWechseln 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?

Wie können wir es verbessern?

Danke für Ihr Feedback!

Abschnitt 5. Kapitel 4
single

single

some-alt