Kursinhalt
Fortgeschrittene Techniken in Pandas
Fortgeschrittene Techniken in Pandas
Wie Man Nur NaN-Werte Löscht?
Sie haben einen Weg gefunden, wie man mit NaN-Werten umgeht, aber lassen Sie uns überlegen, was wir mit den anderen tun können. Schauen Sie sich die Anzahl der Ausreißer in jeder Spalte noch einmal an:
Im vorherigen Kapitel haben Sie das Ergebnis erhalten:
| PassengerId | 0 |
| Survived | 0 |
| Pclass | 0 |
| Name | 0 |
| Sex | 0 |
| Age | 86 |
| SibSp | 0 |
| Parch | 0 |
| Ticket | 0 |
| Fare | 1 |
| Embarked | 0 |
Der einfachste Weg ist, alle Zeilen zu löschen, die fehlende Werte enthalten. Zum Beispiel fehlen 86 Zeilen mit Altersangaben sowie 1 Zeile in der Spalte 'Fare'. Lassen Sie uns herausfinden, wie wir sie löschen können. In pandas können Sie dies mit einer einfachen Methode tun, ähnlich der im vorherigen Kapitel, genannt .dropna():
Hier können Sie inplace=True verwenden, um alle Änderungen zu speichern. Lassen Sie uns über die Funktion sprechen. Wenn eine Zeile in der Spalte 'Age' einen NaN-Wert hat, wird diese Methode alle Werte in derselben Zeile löschen. 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 richtig gemacht haben.
- Löschen 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!
Wie Man Nur NaN-Werte Löscht?
Sie haben einen Weg gefunden, wie man mit NaN-Werten umgeht, aber lassen Sie uns überlegen, was wir mit den anderen tun können. Schauen Sie sich die Anzahl der Ausreißer in jeder Spalte noch einmal an:
Im vorherigen Kapitel haben Sie das Ergebnis erhalten:
| PassengerId | 0 |
| Survived | 0 |
| Pclass | 0 |
| Name | 0 |
| Sex | 0 |
| Age | 86 |
| SibSp | 0 |
| Parch | 0 |
| Ticket | 0 |
| Fare | 1 |
| Embarked | 0 |
Der einfachste Weg ist, alle Zeilen zu löschen, die fehlende Werte enthalten. Zum Beispiel fehlen 86 Zeilen mit Altersangaben sowie 1 Zeile in der Spalte 'Fare'. Lassen Sie uns herausfinden, wie wir sie löschen können. In pandas können Sie dies mit einer einfachen Methode tun, ähnlich der im vorherigen Kapitel, genannt .dropna():
Hier können Sie inplace=True verwenden, um alle Änderungen zu speichern. Lassen Sie uns über die Funktion sprechen. Wenn eine Zeile in der Spalte 'Age' einen NaN-Wert hat, wird diese Methode alle Werte in derselben Zeile löschen. 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 richtig gemacht haben.
- Löschen 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!
Wechseln Sie zum Desktop, um in der realen Welt zu übenFahren Sie dort fort, wo Sie sind, indem Sie eine der folgenden Optionen verwenden