Comment Supprimer Uniquement Les Valeurs NaN ?
Vous avez déjà géré une méthode pour traiter les valeurs NaN, mais réfléchissons à ce que nous pouvons faire avec les autres. Examinez à nouveau le nombre de valeurs aberrantes dans chaque colonne :
Dans le chapitre précédent, vous avez obtenu le résultat :
| PassengerId | 0 |
| Survived | 0 |
| Pclass | 0 |
| Name | 0 |
| Sex | 0 |
| Age | 86 |
| SibSp | 0 |
| Parch | 0 |
| Ticket | 0 |
| Fare | 1 |
| Embarked | 0 |
La méthode la plus simple consiste à supprimer toutes les lignes contenant des valeurs manquantes. Par exemple, 86 lignes avec des âges sont manquantes, ainsi qu'1 ligne dans la colonne 'Fare'. Voyons comment les supprimer. En pandas, cela peut être fait à l'aide d'une méthode simple, similaire à celle du chapitre précédent, appelée .dropna() :
data.dropna(inplace=True)
Ici, vous pouvez utiliser inplace=True pour enregistrer toutes les modifications. Parlons de la fonction. Si une ligne dans la colonne 'Age' contient une valeur NaN, cette méthode supprimera toutes les valeurs de la même ligne. Toute la ligne sera supprimée si au moins une valeur de la ligne est manquante.
Swipe to start coding
Votre tâche ici consiste à supprimer toutes les valeurs manquantes et à vérifier si tout a été fait correctement.
- Supprimez les valeurs
NaNen utilisant l'argumentinplace=True. - Calculez le nombre de valeurs
NaN.
Solution
Merci pour vos commentaires !
single
Demandez à l'IA
Demandez à l'IA
Posez n'importe quelle question ou essayez l'une des questions suggérées pour commencer notre discussion
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 3.03Comment Supprimer Uniquement Les Valeurs NaN ?
Glissez pour afficher le menu
Vous avez déjà géré une méthode pour traiter les valeurs NaN, mais réfléchissons à ce que nous pouvons faire avec les autres. Examinez à nouveau le nombre de valeurs aberrantes dans chaque colonne :
Dans le chapitre précédent, vous avez obtenu le résultat :
| PassengerId | 0 |
| Survived | 0 |
| Pclass | 0 |
| Name | 0 |
| Sex | 0 |
| Age | 86 |
| SibSp | 0 |
| Parch | 0 |
| Ticket | 0 |
| Fare | 1 |
| Embarked | 0 |
La méthode la plus simple consiste à supprimer toutes les lignes contenant des valeurs manquantes. Par exemple, 86 lignes avec des âges sont manquantes, ainsi qu'1 ligne dans la colonne 'Fare'. Voyons comment les supprimer. En pandas, cela peut être fait à l'aide d'une méthode simple, similaire à celle du chapitre précédent, appelée .dropna() :
data.dropna(inplace=True)
Ici, vous pouvez utiliser inplace=True pour enregistrer toutes les modifications. Parlons de la fonction. Si une ligne dans la colonne 'Age' contient une valeur NaN, cette méthode supprimera toutes les valeurs de la même ligne. Toute la ligne sera supprimée si au moins une valeur de la ligne est manquante.
Swipe to start coding
Votre tâche ici consiste à supprimer toutes les valeurs manquantes et à vérifier si tout a été fait correctement.
- Supprimez les valeurs
NaNen utilisant l'argumentinplace=True. - Calculez le nombre de valeurs
NaN.
Solution
Passez à un bureau pour une pratique réelleContinuez d'où vous êtes en utilisant l'une des options ci-dessousMerci pour vos commentaires !
single
