Contenido del Curso
Primeros Pasos con Pandas
Primeros Pasos con Pandas
Encontrar Valores Nulos
Los DataFrames a menudo contienen valores faltantes, representados como None o NaN. Al trabajar con DataFrames, es esencial identificar estos valores faltantes porque pueden distorsionar los cálculos, llevar a análisis inexactos y comprometer la fiabilidad de los resultados.
Abordarlos asegura la integridad de los datos y mejora el rendimiento de tareas como el análisis estadístico y el aprendizaje automático. Para este propósito, pandas ofrece métodos específicos.
El primero de estos es isna(), que devuelve un DataFrame booleano. En este contexto, un valor True indica un valor faltante dentro del DataFrame, mientras que un valor False sugiere que el valor está presente.
Para mayor claridad, aplicaremos este método en el DataFrame animals. El método isna() devolverá un DataFrame lleno de valores True/False, donde cada valor True representa un valor faltante en el DataFrame animals.
import pandas as pd import numpy as np animals_data = {'animal': [np.NaN, 'Dog', np.NaN, 'Cat','Parrot', None], 'name': ['Dolly', None, 'Erin', 'Kelly', None, 'Odie']} animals = pd.DataFrame(animals_data) # Find missing values missing_values = animals.isna() print(missing_values)
El segundo método es isnull(). Se comporta de manera idéntica al anterior, sin diferencia discernible entre ellos.
Swipe to start coding
Tu objetivo es identificar los valores faltantes en un DataFrame dado llamado wine_data.
Solución
Cambia al escritorio para practicar en el mundo realContinúe desde donde se encuentra utilizando una de las siguientes opciones¡Gracias por tus comentarios!
Encontrar Valores Nulos
Los DataFrames a menudo contienen valores faltantes, representados como None o NaN. Al trabajar con DataFrames, es esencial identificar estos valores faltantes porque pueden distorsionar los cálculos, llevar a análisis inexactos y comprometer la fiabilidad de los resultados.
Abordarlos asegura la integridad de los datos y mejora el rendimiento de tareas como el análisis estadístico y el aprendizaje automático. Para este propósito, pandas ofrece métodos específicos.
El primero de estos es isna(), que devuelve un DataFrame booleano. En este contexto, un valor True indica un valor faltante dentro del DataFrame, mientras que un valor False sugiere que el valor está presente.
Para mayor claridad, aplicaremos este método en el DataFrame animals. El método isna() devolverá un DataFrame lleno de valores True/False, donde cada valor True representa un valor faltante en el DataFrame animals.
import pandas as pd import numpy as np animals_data = {'animal': [np.NaN, 'Dog', np.NaN, 'Cat','Parrot', None], 'name': ['Dolly', None, 'Erin', 'Kelly', None, 'Odie']} animals = pd.DataFrame(animals_data) # Find missing values missing_values = animals.isna() print(missing_values)
El segundo método es isnull(). Se comporta de manera idéntica al anterior, sin diferencia discernible entre ellos.
Swipe to start coding
Tu objetivo es identificar los valores faltantes en un DataFrame dado llamado wine_data.
Solución
Cambia al escritorio para practicar en el mundo realContinúe desde donde se encuentra utilizando una de las siguientes opciones¡Gracias por tus comentarios!
Cambia al escritorio para practicar en el mundo realContinúe desde donde se encuentra utilizando una de las siguientes opciones