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

Jeg er glad for å se deg i den siste delen av kurset. Her skal du behandle data om passasjerene på Titanic. Først skal vi undersøke dem:

Det første steget i læringen er å finne manglende verdier. Forresten, noen ganger er det vanskelig eller til og med umulig å fylle ut alle verdiene i en kolonne; noen av dem kan mangle. Slike tilfeller kan ødelegge resultatet ditt. I datasettet ser de alltid slik ut: `NaN`. Først skal vi finne ut om datasettet ditt inneholder manglende verdier.

Pandas har to funksjoner du kan bruke på datasettet for å finne manglende verdier. Begge vil vise `False` hvis verdiene i datasettet ikke mangler, og `True` ellers.

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


Velg de FEILAKTIGE måtene å sjekke etter manglende verdier på.

Dette kurset inneholder mange nyttige funksjoner for en fremtidig dataanalytiker. Du vil lære ulike metoder for å hente ut data og til og med sette betingelser på dem. Etter dette vil du bli kjent med metoder for å gruppere data. Du vil også lære hvordan du forhåndsbehandler data. Hver seksjon har sitt eget datasett, noe som gjør kurset engasjerende.

Denne delen vil lære deg hvordan du kan hente ut spesifikke kolonner ved hjelp av titler eller indekser. Du vil også bli kjent med ulike metoder for å velge rader basert på indekser.

Her vil du lære hvordan du kan hente ut data som oppfyller spesifikke betingelser. Du vil også lære hvordan du kan kombinere dem og til og med lage dine egne.

I denne delen vil du utvide kunnskapen din om å sette ulike datakriterier. Du vil lære å kontrollere om dataene dine finnes i en definert liste med verdier eller mellom to verdier. Du vil også lære hvordan du finner de største og minste verdiene.

Denne delen er en av de mest interessante i kurset. Her lærer du hvordan du kan gruppere data på ulike måter. Dette vil hjelpe deg som dataanalytiker med å finne informasjon om spesifikke datagrupper.

Denne delen er en av de viktigste for en dataanalytiker fordi det vil være umulig å arbeide med data dersom de inneholder manglende verdier eller feil format. Her vil du lære hvordan du håndterer slike upassende verdier.

Kontroll av manglende verdier

Awesome!

Kontroll av manglende verdier