Oppiskele Null-Arvojen Käsittely | Merkkijonot, päivämäärät, puuttuvat tiedot

Pyyhkäise näyttääksesi valikon

Työskennellessäsi oikean maailman datan kanssa kohtaat usein puuttuvia tai null-arvoja. Polarissa nämä esitetään muodossa null eikä esimerkiksi NaN tai muilla paikkamerkeillä. Puuttuvien arvojen käsittely on olennaista analyysin eheyden säilyttämiseksi.

Oletetaan, että sinulla on DataFrame, jossa on sarake steam_deck_status, mutta joistakin riveistä tieto puuttuu. Näitä puuttuvia arvoja voi käsitellä kahdella pääasiallisella tavalla: täyttämällä ne oletusarvolla tai poistamalla rivit kokonaan.

Täyttääksesi puuttuvat arvot sarakkeessa steam_deck_status merkkijonolla "Unknown", käytä fill_null-metodia:


              123456789101112
            
import polars as pl

df = pl.DataFrame({
    "game": ["Portal", "Half-Life", "Aperture Desk Job", "Counter-Strike"],
    "steam_deck_status": ["Verified", None, "Playable", None]
})

# Fill nulls with "Unknown"
df_filled = df.with_columns(
    pl.col("steam_deck_status").fill_null("Unknown")
)
print(df_filled)

Jos haluat poistaa kaikki rivit, joissa steam_deck_status on puuttuva, käytä drop_nulls-metodia. Tämä palauttaa DataFrame:n, joka sisältää vain ne rivit, joissa kaikissa sarakkeissa (tai tietyssä sarakkeessa) ei ole null-arvoja:


              123
            
# Drop rows where steam_deck_status is null
df_no_nulls = df.drop_nulls("steam_deck_status")
print(df_no_nulls)

Polars on suunniteltu käsittelemään puuttuvia arvoja tehokkaasti ja selkeästi. Toisin kuin jotkin kirjastot, jotka käsittelevät puuttuvia arvoja erityisenä liukulukuarvona (NaN), Polars käyttää null-arvoa yksiselitteisenä merkkinä puuttuvuudesta riippumatta tietotyypistä. Tämä lähestymistapa poistaa epäselvyydet ja varmistaa, että puuttuvat arvot käsitellään johdonmukaisesti kaikissa sarakkeissa, olivatpa ne merkkijonoja, lukuja tai päivämääriä.

Oliko kaikki selvää?

Kiitos palautteestasi!

Osio 3. Luku 5

Kysy tekoälyä

Kysy mitä tahansa tai kokeile jotakin ehdotetuista kysymyksistä aloittaaksesi keskustelumme

Osio 3. Luku 5