Vous avez géré une façon de traiter les valeurs NaN, mais réfléchissons à ce que nous pouvons faire avec les autres. Regardez le nombre de valeurs aberrantes dans chaque colonne une fois de plus :

Dans le chapitre précédent, vous avez reçu le résultat :

La façon la plus simple est de supprimer toutes les lignes contenant des valeurs manquantes. Par exemple, 86 lignes avec des âges sont manquantes, ainsi qu'une 1 ligne dans la colonne 'Fare'. Voyons comment nous pouvons les supprimer. Dans pandas, vous pouvez le faire en utilisant une méthode simple, similaire à celle du chapitre précédent, appelée .dropna() :

python
Copier le code
Expand

Ici, vous pouvez utiliser inplace=True pour enregistrer tous les changements. Parlons de la fonction. Si une ligne dans la colonne 'Age' a une valeur NaN, cette méthode supprimera toutes les valeurs dans la même ligne. La ligne entière sera supprimée si au moins une valeur dans la ligne est manquante.