Notice: This page requires JavaScript to function properly.
Please enable JavaScript in your browser settings or update your browser.
Oppiskele Puuttuvien Arvojen Määrän Laskeminen | Datan Esikäsittely
Edistyneet Tekniikat Pandas-Kirjastossa

bookPuuttuvien Arvojen Määrän Laskeminen

On syytä huomioida, että ei ole kätevää tarkistaa jokaisen tietojoukon arvon kohdalla, onko kyseessä NaN. Käytännöllisempää on tarkastella puuttuvien arvojen määrää, jotta voidaan päätellä, missä sarakkeissa NaN-arvoja esiintyy. Kuten muistatte, meillä on kaksi funktiota puuttuvien arvojen tarkistamiseen. Summan laskemiseen käytetään .sum()-funktiota. Yleisesti ottaen meillä on siis kaksi vaihtoehtoa NaN-arvojen määrän näyttämiseen kullekin sarakkeelle:

data.isna().sum()
# Or
data.isnull().sum()

Ei mitään monimutkaista. Siirrytään seuraavaan tehtävään.

Tehtävä

Swipe to start coding

  1. Laske puuttuvien arvojen määrä aineistossa käyttämällä jotakin mainituista funktioista.
  2. Tulosta tulos.

Pyri tekemään omia johtopäätöksiäsi.

Ratkaisu

Oliko kaikki selvää?

Miten voimme parantaa sitä?

Kiitos palautteestasi!

Osio 5. Luku 2
single

single

Kysy tekoälyä

expand

Kysy tekoälyä

ChatGPT

Kysy mitä tahansa tai kokeile jotakin ehdotetuista kysymyksistä aloittaaksesi keskustelumme

Suggested prompts:

Can you explain the difference between isna() and isnull()?

How can I interpret the output of these functions?

What should I do if I find columns with a lot of NaN values?

close

Awesome!

Completion rate improved to 3.03

bookPuuttuvien Arvojen Määrän Laskeminen

Pyyhkäise näyttääksesi valikon

On syytä huomioida, että ei ole kätevää tarkistaa jokaisen tietojoukon arvon kohdalla, onko kyseessä NaN. Käytännöllisempää on tarkastella puuttuvien arvojen määrää, jotta voidaan päätellä, missä sarakkeissa NaN-arvoja esiintyy. Kuten muistatte, meillä on kaksi funktiota puuttuvien arvojen tarkistamiseen. Summan laskemiseen käytetään .sum()-funktiota. Yleisesti ottaen meillä on siis kaksi vaihtoehtoa NaN-arvojen määrän näyttämiseen kullekin sarakkeelle:

data.isna().sum()
# Or
data.isnull().sum()

Ei mitään monimutkaista. Siirrytään seuraavaan tehtävään.

Tehtävä

Swipe to start coding

  1. Laske puuttuvien arvojen määrä aineistossa käyttämällä jotakin mainituista funktioista.
  2. Tulosta tulos.

Pyri tekemään omia johtopäätöksiäsi.

Ratkaisu

Switch to desktopVaihda työpöytään todellista harjoitusta vartenJatka siitä, missä olet käyttämällä jotakin alla olevista vaihtoehdoista
Oliko kaikki selvää?

Miten voimme parantaa sitä?

Kiitos palautteestasi!

Osio 5. Luku 2
single

single

some-alt