Summary  
This chapter demonstrates how to detect missing values in a dataset by using functions that return boolean indicators for NaNs.  

General domain of usage  
Data cleaning

Je suis heureux de vous voir dans la dernière section du cours. Ici, vous allez traiter des données sur les passagers du Titanic. Tout d'abord, examinons-les :

La première étape de notre apprentissage consiste à trouver les valeurs manquantes. D'ailleurs, il est parfois difficile ou même impossible de remplir toutes les valeurs de la colonne ; certaines d'entre elles peuvent être manquantes. De tels cas peuvent fausser votre résultat. Dans le jeu de données, elles apparaissent toujours comme ceci : `NaN`. Tout d'abord, découvrons si votre jeu de données contient des valeurs manquantes.

Pandas dispose de deux fonctions que vous pouvez appliquer au jeu de données pour trouver les valeurs manquantes. Les deux mettront `False` si les valeurs du jeu de données ne sont pas manquantes, et `True` sinon.

```python
data.isna()
# Or
data.isnull()
```


Veuillez sélectionner les méthodes INCORRECTES pour vérifier les valeurs manquantes.

Ce cours contient de nombreuses fonctions utiles pour un futur analyste de données. Vous apprendrez différentes manières d'extraire des données et même de définir des conditions sur celles-ci. Après cela, vous serez familier avec les méthodes de regroupement des données. De plus, vous apprendrez à prétraiter les données. Chaque section a son propre ensemble de données, de sorte que le cours sera captivant.

Cette section vous apprendra à afficher des colonnes spécifiques par leurs titres ou indices. De plus, vous vous familiariserez avec les façons de sélectionner des lignes par indices.

Ici, vous apprendrez à extraire des données qui ont des conditions spécifiques. De plus, vous apprendrez à les combiner et même à créer les vôtres.

Dans cette section, vous allez approfondir vos connaissances sur la définition de différentes conditions de données. Vous apprendrez à vérifier si vos données se trouvent dans une liste de valeurs définie ou entre deux valeurs. Vous apprendrez également à trouver les plus grandes et les plus petites valeurs.

Cette section est l'une des plus fascinantes du cours. Ici, vous apprendrez à regrouper les données de différentes manières. Cela vous aidera à travailler en tant qu'analyste de données pour découvrir des informations sur des groupes de données spécifiques.

Cette section est l'une des plus importantes pour un analyste de données car si les données contiennent des valeurs manquantes dans un format incorrect, il sera impossible de travailler avec. Ainsi, vous apprendrez ici comment gérer ces valeurs inappropriées.

Vérification des Valeurs Manquantes

Awesome!

Vérification des Valeurs Manquantes