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 i dati relativi all'età in 86 righe, così come 1 riga nella colonna 'Fare'. Vediamo come possiamo eliminarli. In pandas, puoi farlo utilizzando un semplice metodo, simile a quello visto nel capitolo precedente, chiamato .dropna():
data.dropna(inplace=True)
Qui puoi utilizzare inplace=True per salvare tutte le modifiche. Analizziamo la 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 tutto correttamente.
- Elimina i valori
NaNutilizzando 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 i dati relativi all'età in 86 righe, così come 1 riga nella colonna 'Fare'. Vediamo come possiamo eliminarli. In pandas, puoi farlo utilizzando un semplice metodo, simile a quello visto nel capitolo precedente, chiamato .dropna():
data.dropna(inplace=True)
Qui puoi utilizzare inplace=True per salvare tutte le modifiche. Analizziamo la 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 tutto correttamente.
- Elimina i valori
NaNutilizzando l'argomentoinplace=True. - Calcola il numero di valori
NaN.
Soluzione
Grazie per i tuoi commenti!
single