Notice: This page requires JavaScript to function properly.
Please enable JavaScript in your browser settings or update your browser.
Oppiskele Kuinka Poistaa Vain NaN-Arvot? | Datan Esikäsittely
Edistyneet Tekniikat Pandas-Kirjastossa

bookKuinka Poistaa Vain NaN-Arvot?

Olet jo käsitellyt yhden tavan NaN-arvojen käsittelyyn, mutta pohditaanpa, mitä muita vaihtoehtoja on. Tarkastele vielä kerran poikkeavien arvojen määrää jokaisessa sarakkeessa:

Edellisessä luvussa sait seuraavan tuloksen:

PassengerId0
Survived0
Pclass0
Name0
Sex0
Age86
SibSp0
Parch0
Ticket0
Fare1
Embarked0

Yksinkertaisin tapa on poistaa kaikki rivit, jotka sisältävät puuttuvia arvoja. Esimerkiksi 86 riviä, joilta puuttuu ikä, sekä 1 rivi sarakkeessa 'Fare'. Selvitetään, miten nämä voidaan poistaa. Pandas-kirjastossa tämä onnistuu yhdellä yksinkertaisella metodilla, joka on samankaltainen kuin edellisessä luvussa käytetty, nimeltään .dropna():

data.dropna(inplace=True)

Tässä voit käyttää inplace=True tallentaaksesi kaikki muutokset. Tarkastellaan funktiota. Jos rivillä sarakkeessa 'Age' on NaN-arvo, tämä metodi poistaa kaikki arvot kyseiseltä riviltä. Koko rivi poistetaan, jos vähintään yksi arvo riviltä puuttuu.

Tehtävä

Swipe to start coding

Tehtävänäsi on poistaa kaikki puuttuvat arvot ja tarkistaa, teitkö kaiken oikein.

  1. Poista NaN-arvot käyttämällä inplace=True -argumenttia.
  2. Laske NaN-arvojen määrä.

Ratkaisu

Oliko kaikki selvää?

Miten voimme parantaa sitä?

Kiitos palautteestasi!

Osio 5. Luku 4
single

single

Kysy tekoälyä

expand

Kysy tekoälyä

ChatGPT

Kysy mitä tahansa tai kokeile jotakin ehdotetuista kysymyksistä aloittaaksesi keskustelumme

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

bookKuinka Poistaa Vain NaN-Arvot?

Pyyhkäise näyttääksesi valikon

Olet jo käsitellyt yhden tavan NaN-arvojen käsittelyyn, mutta pohditaanpa, mitä muita vaihtoehtoja on. Tarkastele vielä kerran poikkeavien arvojen määrää jokaisessa sarakkeessa:

Edellisessä luvussa sait seuraavan tuloksen:

PassengerId0
Survived0
Pclass0
Name0
Sex0
Age86
SibSp0
Parch0
Ticket0
Fare1
Embarked0

Yksinkertaisin tapa on poistaa kaikki rivit, jotka sisältävät puuttuvia arvoja. Esimerkiksi 86 riviä, joilta puuttuu ikä, sekä 1 rivi sarakkeessa 'Fare'. Selvitetään, miten nämä voidaan poistaa. Pandas-kirjastossa tämä onnistuu yhdellä yksinkertaisella metodilla, joka on samankaltainen kuin edellisessä luvussa käytetty, nimeltään .dropna():

data.dropna(inplace=True)

Tässä voit käyttää inplace=True tallentaaksesi kaikki muutokset. Tarkastellaan funktiota. Jos rivillä sarakkeessa 'Age' on NaN-arvo, tämä metodi poistaa kaikki arvot kyseiseltä riviltä. Koko rivi poistetaan, jos vähintään yksi arvo riviltä puuttuu.

Tehtävä

Swipe to start coding

Tehtävänäsi on poistaa kaikki puuttuvat arvot ja tarkistaa, teitkö kaiken oikein.

  1. Poista NaN-arvot käyttämällä inplace=True -argumenttia.
  2. Laske NaN-arvojen määrä.

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 4
single

single

some-alt