Summary  
This chapter demonstrates how to detect missing values in a dataset by using functions that return boolean indicators for NaNs.  

General domain of usage  
Data cleaning

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

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

Pandas mette a disposizione due funzioni che puoi applicare al dataset per trovare i valori mancanti. Entrambe restituiscono `False` se i valori del dataset non sono mancanti, e `True` in caso contrario.

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


Seleziona i metodi 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, acquisirai familiarità con i metodi di raggruppamento dei dati. Inoltre, apprenderai come preprocessare i dati. Ogni sezione dispone del proprio set di dati, rendendo il corso coinvolgente.

Questa sezione ti insegnerà come visualizzare colonne specifiche tramite i loro titoli o indici. Inoltre, verranno illustrate le modalità di selezione delle righe tramite indici.

Qui imparerai come estrarre dati che soddisfano condizioni specifiche. Inoltre, apprenderai 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 in un elenco definito di valori o compresi tra due valori. Imparerai inoltre come individuare i valori massimi e minimi.

Questa sezione è una delle più affascinanti del corso. Qui verrà illustrato come raggruppare i dati in modi diversi. Sarà utile per lavorare come data analyst e ottenere informazioni su gruppi di dati specifici.

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

Verifica dei Valori Mancanti

Verifica dei Valori Mancanti