Summary  
This chapter covers detecting missing values in tabular data using Pandas’ isna/isnull functions to produce Boolean masks and then counting and computing the percentage of NaNs per column.

General domain of usage  
Data cleaning in data analysis

In this video, you will learn how to identify missing values in your data using pandas. You will see how the `isna()` and `isnull()` functions work by applying them to the Titanic dataset. The video will walk you through how missing values are represented as `NaN` and why finding them is crucial before analyzing or cleaning your data. You will also see the output of these functions and understand how to interpret the resulting boolean DataFrame, so you can quickly spot columns or rows that require attention.

Sono lieto di vederti nell'ultima sezione del corso. Qui elaborerai i dati dei passeggeri del Titanic. Per prima cosa, esaminiamoli:

Il primo passo del nostro apprendimento è individuare i valori mancanti. A volte, infatti, può essere difficile o addirittura impossibile riempire tutti i valori di una colonna; alcuni potrebbero mancare. Questi casi possono compromettere il risultato. Nel dataset, appaiono sempre così: `NaN`. Per prima cosa, verifichiamo se il tuo dataset contiene valori mancanti.

Pandas offre due funzioni che puoi applicare al dataset per trovare i valori mancanti. Entrambe restituiranno `False` se i valori del dataset non sono mancanti e `True` in caso contrario.

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


Seleziona i modi ERRATI per verificare la presenza di valori mancanti.

Questo corso contiene molte funzioni utili per un futuro data analyst. Imparerai diversi modi per estrarre dati e persino impostare condizioni su di essi. Successivamente, conoscerai i metodi di raggruppamento dei dati. Inoltre, apprenderai come preprocessare i dati. Ogni sezione ha il proprio set di dati, rendendo il corso coinvolgente.

Questa sezione ti insegnerà come visualizzare colonne specifiche in base ai loro titoli o indici. Inoltre, verranno illustrate le modalità per selezionare le righe tramite gli indici.

Qui imparerai come estrarre dati che soddisfano condizioni specifiche. Inoltre, imparerai come combinarle e persino crearne di proprie.

In questa sezione, amplierai le tue conoscenze sull'impostazione di diverse condizioni sui dati. Imparerai a verificare se i tuoi dati sono presenti in un elenco definito di valori o compresi tra due valori. Imparerai anche come trovare i valori più grandi e più piccoli.

Questa sezione è una delle più affascinanti del corso. Qui imparerai come raggruppare i dati in diversi modi. Ti aiuterà a lavorare come data analyst per individuare informazioni su specifici gruppi di dati.

Questa sezione è una delle più significative per un data analyst perché, se i dati contengono valori mancanti o in un formato errato, sarà impossibile lavorarci. Pertanto, qui imparerai come gestire tali valori inappropriati.

Verifica dei Valori Mancanti