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

Ik ben blij je te zien in de laatste sectie van de cursus. Hier ga je gegevens verwerken over de passagiers van de Titanic. Laten we deze eerst bekijken:

De eerste stap van ons leerproces is het vinden van ontbrekende waarden. Overigens is het soms moeilijk of zelfs onmogelijk om alle waarden van een kolom in te vullen; sommige kunnen ontbreken. Zulke gevallen kunnen je resultaat beïnvloeden. In de dataset zien ze er altijd zo uit: `NaN`. Laten we eerst nagaan of je dataset ontbrekende waarden bevat.

Pandas heeft twee functies die je op de dataset kunt toepassen om ontbrekende waarden te vinden. Beide geven `False` als de waarden niet ontbreken, en `True` als dat wel het geval is.

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


Selecteer de ONJUISTE manieren om te controleren op ontbrekende waarden.

Deze cursus bevat veel nuttige functies voor een toekomstige data-analist. Je leert verschillende manieren om data te extraheren en zelfs voorwaarden hierop toe te passen. Daarna raak je vertrouwd met methoden voor het groeperen van data. Ook leer je hoe je data kunt preprocessen. Elke sectie heeft zijn eigen dataset, waardoor de cursus boeiend blijft.

In deze sectie leert u hoe u specifieke kolommen kunt weergeven op basis van hun titels of indexen. Ook maakt u kennis met de methoden om rijen te selecteren op basis van indexen.

Hier leert u hoe u gegevens extraheert die aan specifieke voorwaarden voldoen. Daarnaast leert u hoe u deze voorwaarden kunt combineren en zelfs uw eigen voorwaarden kunt creëren.

In deze sectie breidt u uw kennis uit over het instellen van verschillende gegevenscondities. U leert controleren of uw gegevens zich in een gedefinieerde lijst met waarden bevinden of tussen twee waarden liggen. U leert ook hoe u de grootste en kleinste waarden kunt vinden.

Deze sectie behoort tot de meest boeiende van de cursus. Hier leert u hoe u gegevens op verschillende manieren kunt groeperen. Dit helpt u als data-analist om informatie over specifieke gegevensgroepen te achterhalen.

Deze sectie is een van de belangrijkste voor een data-analist, omdat het onmogelijk is om met gegevens te werken als deze ontbrekende waarden of een onjuist formaat bevatten. Hier leert u hoe u met dergelijke ongeschikte waarden omgaat.

Controleren op Ontbrekende Waarden

Awesome!

Controleren op Ontbrekende Waarden