Kuinka 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:
PassengerId | 0 |
Survived | 0 |
Pclass | 0 |
Name | 0 |
Sex | 0 |
Age | 86 |
SibSp | 0 |
Parch | 0 |
Ticket | 0 |
Fare | 1 |
Embarked | 0 |
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.
Swipe to start coding
Tehtävänäsi on poistaa kaikki puuttuvat arvot ja tarkistaa, teitkö kaiken oikein.
- Poista
NaN
-arvot käyttämälläinplace=True
-argumenttia. - Laske
NaN
-arvojen määrä.
Ratkaisu
Kiitos palautteestasi!
single
Kysy tekoälyä
Kysy tekoälyä
Kysy mitä tahansa tai kokeile jotakin ehdotetuista kysymyksistä aloittaaksesi keskustelumme
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?
Awesome!
Completion rate improved to 3.03
Kuinka 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:
PassengerId | 0 |
Survived | 0 |
Pclass | 0 |
Name | 0 |
Sex | 0 |
Age | 86 |
SibSp | 0 |
Parch | 0 |
Ticket | 0 |
Fare | 1 |
Embarked | 0 |
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.
Swipe to start coding
Tehtävänäsi on poistaa kaikki puuttuvat arvot ja tarkistaa, teitkö kaiken oikein.
- Poista
NaN
-arvot käyttämälläinplace=True
-argumenttia. - Laske
NaN
-arvojen määrä.
Ratkaisu
Kiitos palautteestasi!
single