Come Eliminare Solo i Valori NaN?
Hai già gestito un modo per trattare i valori NaN, ma riflettiamo su cosa possiamo fare con gli altri. Osserva ancora una volta il numero di valori anomali in ciascuna colonna:
Nel capitolo precedente, hai ottenuto il seguente risultato:
PassengerId | 0 |
Survived | 0 |
Pclass | 0 |
Name | 0 |
Sex | 0 |
Age | 86 |
SibSp | 0 |
Parch | 0 |
Ticket | 0 |
Fare | 1 |
Embarked | 0 |
Il modo più semplice è eliminare tutte le righe che contengono valori mancanti. Ad esempio, mancano 86
righe per l'età, così come 1
riga nella colonna 'Fare'
. Vediamo come possiamo eliminarle. In pandas, puoi farlo utilizzando un semplice metodo, simile a quello visto nel capitolo precedente, chiamato .dropna()
:
data.dropna(inplace=True)
Qui puoi usare inplace=True
per salvare tutte le modifiche. Parliamo della funzione. Se una riga nella colonna 'Age'
contiene un valore NaN, questo metodo eliminerà tutti i valori nella stessa riga. L'intera riga verrà eliminata se almeno un valore nella riga è mancante.
Swipe to start coding
Il tuo compito qui è eliminare tutti i valori mancanti e verificare se hai eseguito correttamente l'operazione.
- Elimina i valori
NaN
utilizzando l'argomentoinplace=True
. - Calcola il numero di valori
NaN
.
Soluzione
Grazie per i tuoi commenti!
single
Chieda ad AI
Chieda ad AI
Chieda pure quello che desidera o provi una delle domande suggerite per iniziare la nostra conversazione
Awesome!
Completion rate improved to 3.03
Come Eliminare Solo i Valori NaN?
Scorri per mostrare il menu
Hai già gestito un modo per trattare i valori NaN, ma riflettiamo su cosa possiamo fare con gli altri. Osserva ancora una volta il numero di valori anomali in ciascuna colonna:
Nel capitolo precedente, hai ottenuto il seguente risultato:
PassengerId | 0 |
Survived | 0 |
Pclass | 0 |
Name | 0 |
Sex | 0 |
Age | 86 |
SibSp | 0 |
Parch | 0 |
Ticket | 0 |
Fare | 1 |
Embarked | 0 |
Il modo più semplice è eliminare tutte le righe che contengono valori mancanti. Ad esempio, mancano 86
righe per l'età, così come 1
riga nella colonna 'Fare'
. Vediamo come possiamo eliminarle. In pandas, puoi farlo utilizzando un semplice metodo, simile a quello visto nel capitolo precedente, chiamato .dropna()
:
data.dropna(inplace=True)
Qui puoi usare inplace=True
per salvare tutte le modifiche. Parliamo della funzione. Se una riga nella colonna 'Age'
contiene un valore NaN, questo metodo eliminerà tutti i valori nella stessa riga. L'intera riga verrà eliminata se almeno un valore nella riga è mancante.
Swipe to start coding
Il tuo compito qui è eliminare tutti i valori mancanti e verificare se hai eseguito correttamente l'operazione.
- Elimina i valori
NaN
utilizzando l'argomentoinplace=True
. - Calcola il numero di valori
NaN
.
Soluzione
Grazie per i tuoi commenti!
single