Notice: This page requires JavaScript to function properly.
Please enable JavaScript in your browser settings or update your browser.
Impara Verifica dei Valori Mancanti | Pre-Elaborazione dei Dati
Tecniche Avanzate in Pandas

bookVerifica dei Valori Mancanti

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 proposito, a volte è difficile o addirittura impossibile riempire tutti i valori di una colonna; alcuni di essi potrebbero essere assenti. Tali casi possono compromettere il risultato. Nel dataset, appaiono sempre così: NaN. Per prima cosa, 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 restituiranno False se i valori del dataset non sono mancanti e True in caso contrario.

data.isna()
# Or
data.isnull()
question mark

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

Select the correct answer

Tutto è chiaro?

Come possiamo migliorarlo?

Grazie per i tuoi commenti!

Sezione 5. Capitolo 1

Chieda ad AI

expand

Chieda ad AI

ChatGPT

Chieda pure quello che desidera o provi una delle domande suggerite per iniziare la nostra conversazione

Suggested prompts:

What is the difference between isna() and isnull() in pandas?

How can I use these functions to check for missing values in a specific column?

What should I do after finding missing values in my dataset?

Awesome!

Completion rate improved to 3.03

bookVerifica dei Valori Mancanti

Scorri per mostrare il menu

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 proposito, a volte è difficile o addirittura impossibile riempire tutti i valori di una colonna; alcuni di essi potrebbero essere assenti. Tali casi possono compromettere il risultato. Nel dataset, appaiono sempre così: NaN. Per prima cosa, 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 restituiranno False se i valori del dataset non sono mancanti e True in caso contrario.

data.isna()
# Or
data.isnull()
question mark

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

Select the correct answer

Tutto è chiaro?

Come possiamo migliorarlo?

Grazie per i tuoi commenti!

Sezione 5. Capitolo 1
some-alt