Comment Supprimer Uniquement les Valeurs NaN ?
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 :
| PassengerId | 0 |
| Survived | 0 |
| Pclass | 0 |
| Name | 0 |
| Sex | 0 |
| Age | 86 |
| SibSp | 0 |
| Parch | 0 |
| Ticket | 0 |
| Fare | 1 |
| Embarked | 0 |
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
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.
Swipe to start coding
Votre tâche ici est de supprimer toutes les valeurs manquantes et de vérifier si vous avez tout 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 !
Passez à un bureau pour une pratique réelleContinuez d'où vous êtes en utilisant l'une des options ci-dessous