¿Cómo Eliminar Solo los Valores NaN?
Ya has gestionado una forma de tratar los valores NaN, pero pensemos en qué podemos hacer con los demás. Observa nuevamente la cantidad de valores atípicos en cada columna:
En el capítulo anterior, obtuviste el siguiente resultado:
| PassengerId | 0 |
| Survived | 0 |
| Pclass | 0 |
| Name | 0 |
| Sex | 0 |
| Age | 86 |
| SibSp | 0 |
| Parch | 0 |
| Ticket | 0 |
| Fare | 1 |
| Embarked | 0 |
La forma más sencilla es eliminar todas las filas que contienen valores faltantes. Por ejemplo, faltan 86 filas en la columna de edades, así como 1 fila en la columna 'Fare'. Veamos cómo podemos eliminarlas. En pandas, puedes hacerlo utilizando un método simple, similar al del capítulo anterior, llamado .dropna():
data.dropna(inplace=True)
Aquí, puedes usar inplace=True para guardar todos los cambios. Analicemos la función. Si una fila en la columna 'Age' tiene un valor NaN, este método eliminará todos los valores en esa misma fila. Toda la fila será eliminada si al menos un valor en la fila está ausente.
Swipe to start coding
La tarea consiste en eliminar todos los valores faltantes y verificar si el procedimiento fue correcto.
- Eliminar los valores
NaNutilizando el argumentoinplace=True. - Calcular la cantidad de valores
NaN.
Solución
¡Gracias por tus comentarios!
single
Pregunte a AI
Pregunte a AI
Pregunte lo que quiera o pruebe una de las preguntas sugeridas para comenzar nuestra charla
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¿Cómo Eliminar Solo los Valores NaN?
Desliza para mostrar el menú
Ya has gestionado una forma de tratar los valores NaN, pero pensemos en qué podemos hacer con los demás. Observa nuevamente la cantidad de valores atípicos en cada columna:
En el capítulo anterior, obtuviste el siguiente resultado:
| PassengerId | 0 |
| Survived | 0 |
| Pclass | 0 |
| Name | 0 |
| Sex | 0 |
| Age | 86 |
| SibSp | 0 |
| Parch | 0 |
| Ticket | 0 |
| Fare | 1 |
| Embarked | 0 |
La forma más sencilla es eliminar todas las filas que contienen valores faltantes. Por ejemplo, faltan 86 filas en la columna de edades, así como 1 fila en la columna 'Fare'. Veamos cómo podemos eliminarlas. En pandas, puedes hacerlo utilizando un método simple, similar al del capítulo anterior, llamado .dropna():
data.dropna(inplace=True)
Aquí, puedes usar inplace=True para guardar todos los cambios. Analicemos la función. Si una fila en la columna 'Age' tiene un valor NaN, este método eliminará todos los valores en esa misma fila. Toda la fila será eliminada si al menos un valor en la fila está ausente.
Swipe to start coding
La tarea consiste en eliminar todos los valores faltantes y verificar si el procedimiento fue correcto.
- Eliminar los valores
NaNutilizando el argumentoinplace=True. - Calcular la cantidad de valores
NaN.
Solución
Cambia al escritorio para practicar en el mundo realContinúe desde donde se encuentra utilizando una de las siguientes opciones¡Gracias por tus comentarios!
single
