Notice: This page requires JavaScript to function properly.
Please enable JavaScript in your browser settings or update your browser.
Aprende ¿Cómo Eliminar Solo los Valores NaN? | Preprocesamiento de Datos
Técnicas Avanzadas en Pandas

book¿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:

PassengerId0
Survived0
Pclass0
Name0
Sex0
Age86
SibSp0
Parch0
Ticket0
Fare1
Embarked0

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.

Tarea

Swipe to start coding

La tarea consiste en eliminar todos los valores faltantes y verificar si el procedimiento fue correcto.

  1. Eliminar los valores NaN utilizando el argumento inplace=True.
  2. Calcular la cantidad de valores NaN.

Solución

¿Todo estuvo claro?

¿Cómo podemos mejorarlo?

¡Gracias por tus comentarios!

Sección 5. Capítulo 4
single

single

Pregunte a AI

expand

Pregunte a AI

ChatGPT

Pregunte lo que quiera o pruebe una de las preguntas sugeridas para comenzar nuestra charla

Suggested prompts:

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?

close

Awesome!

Completion rate improved to 3.03

book¿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:

PassengerId0
Survived0
Pclass0
Name0
Sex0
Age86
SibSp0
Parch0
Ticket0
Fare1
Embarked0

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.

Tarea

Swipe to start coding

La tarea consiste en eliminar todos los valores faltantes y verificar si el procedimiento fue correcto.

  1. Eliminar los valores NaN utilizando el argumento inplace=True.
  2. Calcular la cantidad de valores NaN.

Solución

Switch to desktopCambia al escritorio para practicar en el mundo realContinúe desde donde se encuentra utilizando una de las siguientes opciones
¿Todo estuvo claro?

¿Cómo podemos mejorarlo?

¡Gracias por tus comentarios!

Sección 5. Capítulo 4
single

single

some-alt