Remplir les Valeurs Manquantes

Supprimer les valeurs manquantes n'est pas la seule façon de s'en débarrasser. Vous pouvez également remplacer tous les NaN par une valeur définie, par exemple, par la valeur moyenne de la colonne ou par des zéros. Cela peut être utile dans de nombreux cas. Vous apprendrez cela dans le cours Apprendre les statistiques avec Python.

Regardez l'exemple de remplissage des valeurs manquantes dans la colonne 'Age' avec la valeur médiane de cette colonne :


              1234
            
import pandas as pd
data = pd.read_csv('https://codefinity-content-media.s3.eu-west-1.amazonaws.com/4bf24830-59ba-4418-969b-aaf8117d522e/titanic_2', index_col = 0)
data['Age'].fillna(value=data['Age'].median(), inplace=True)
print(data['Age'].isna().sum())

Explication :

value = data['Age'].median() - en utilisant l'argument value, nous indiquons à la méthode .fillna() quoi faire avec les valeurs NaN. Dans ce cas, nous avons appliqué la méthode .fillna() à la colonne 'Age' et remplacé toutes les valeurs manquantes par la médiane de la colonne ;
inplace=True - l'argument que nous pouvons utiliser pour enregistrer les modifications.

Tâche

Swipe to start coding

L'une des façons les plus courantes de remplir les valeurs manquantes est de les remplacer par la valeur moyenne de la colonne. Donc, votre tâche ici est de remplacer les valeurs NaN dans la colonne 'Age' par la valeur moyenne de la colonne (en utilisant l'argument inplace = True). Ensuite, affichez la somme des valeurs manquantes dans la colonne 'Age'.

Solution

Passez à un bureau pour une pratique réelleContinuez d'où vous êtes en utilisant l'une des options ci-dessous

Tout était clair ?

Merci pour vos commentaires !

Section 5. Chapitre 5

Remplir les Valeurs Manquantes

Regardez l'exemple de remplissage des valeurs manquantes dans la colonne 'Age' avec la valeur médiane de cette colonne :


              1234
            
import pandas as pd
data = pd.read_csv('https://codefinity-content-media.s3.eu-west-1.amazonaws.com/4bf24830-59ba-4418-969b-aaf8117d522e/titanic_2', index_col = 0)
data['Age'].fillna(value=data['Age'].median(), inplace=True)
print(data['Age'].isna().sum())

Explication :

value = data['Age'].median() - en utilisant l'argument value, nous indiquons à la méthode .fillna() quoi faire avec les valeurs NaN. Dans ce cas, nous avons appliqué la méthode .fillna() à la colonne 'Age' et remplacé toutes les valeurs manquantes par la médiane de la colonne ;
inplace=True - l'argument que nous pouvons utiliser pour enregistrer les modifications.

Tâche

Swipe to start coding

Solution

Passez à un bureau pour une pratique réelleContinuez d'où vous êtes en utilisant l'une des options ci-dessous

Tout était clair ?

Merci pour vos commentaires !

Section 5. Chapitre 5

Passez à un bureau pour une pratique réelleContinuez d'où vous êtes en utilisant l'une des options ci-dessous