Notice: This page requires JavaScript to function properly.
Please enable JavaScript in your browser settings or update your browser.
Aprenda Preenchendo os Valores Ausentes | Pré-processamento de Dados
Técnicas Avançadas em Pandas

bookPreenchendo os Valores Ausentes

Excluir valores ausentes não é a única maneira de eliminá-los. Também é possível substituir todos os NaNs por um valor definido, por exemplo, pela média da coluna ou por zeros. Isso pode ser útil em muitos casos. Você aprenderá sobre isso no curso Aprendendo Estatística com Python.

Veja o exemplo de preenchimento de valores ausentes na coluna 'Age' com o valor mediano dessa coluna:

1234
import pandas as pd data = pd.read_csv('https://codefinity-content-media.s3.eu-west-1.amazonaws.com/4bf24830-59ba-4418-969b-aaf8117d522e/titanic_2', index_col = 0) data['Age'].fillna(value=data['Age'].median(), inplace=True) print(data['Age'].isna().sum())
copy

Explicação:

.fillna(value=data['Age'].median(), inplace=True)
  • value = data['Age'].median() - utilizando o argumento value, informamos ao método .fillna() o que fazer com os valores NaN. Neste caso, aplicamos o método .fillna() à coluna 'Age' e substituímos todos os valores ausentes pela mediana da coluna;
  • inplace=True - argumento utilizado para salvar as alterações.
Tarefa

Swipe to start coding

Valores ausentes podem causar problemas durante a análise de dados. Uma das formas mais comuns de lidar com eles é substituindo os valores ausentes pela média da coluna.

Sua tarefa é:

  1. Substituir todos os valores NaN na coluna 'Age' pela média dessa coluna.
  • Utilize o método .fillna() com os argumentos value=data['Age'].mean() e inplace=True.
  1. Calcular e exibir o número de valores ausentes restantes na coluna 'Age'.

Solução

Tudo estava claro?

Como podemos melhorá-lo?

Obrigado pelo seu feedback!

Seção 5. Capítulo 5
single

single

Pergunte à IA

expand

Pergunte à IA

ChatGPT

Pergunte o que quiser ou experimente uma das perguntas sugeridas para iniciar nosso bate-papo

close

Awesome!

Completion rate improved to 3.03

bookPreenchendo os Valores Ausentes

Deslize para mostrar o menu

Excluir valores ausentes não é a única maneira de eliminá-los. Também é possível substituir todos os NaNs por um valor definido, por exemplo, pela média da coluna ou por zeros. Isso pode ser útil em muitos casos. Você aprenderá sobre isso no curso Aprendendo Estatística com Python.

Veja o exemplo de preenchimento de valores ausentes na coluna 'Age' com o valor mediano dessa coluna:

1234
import pandas as pd data = pd.read_csv('https://codefinity-content-media.s3.eu-west-1.amazonaws.com/4bf24830-59ba-4418-969b-aaf8117d522e/titanic_2', index_col = 0) data['Age'].fillna(value=data['Age'].median(), inplace=True) print(data['Age'].isna().sum())
copy

Explicação:

.fillna(value=data['Age'].median(), inplace=True)
  • value = data['Age'].median() - utilizando o argumento value, informamos ao método .fillna() o que fazer com os valores NaN. Neste caso, aplicamos o método .fillna() à coluna 'Age' e substituímos todos os valores ausentes pela mediana da coluna;
  • inplace=True - argumento utilizado para salvar as alterações.
Tarefa

Swipe to start coding

Valores ausentes podem causar problemas durante a análise de dados. Uma das formas mais comuns de lidar com eles é substituindo os valores ausentes pela média da coluna.

Sua tarefa é:

  1. Substituir todos os valores NaN na coluna 'Age' pela média dessa coluna.
  • Utilize o método .fillna() com os argumentos value=data['Age'].mean() e inplace=True.
  1. Calcular e exibir o número de valores ausentes restantes na coluna 'Age'.

Solução

Switch to desktopMude para o desktop para praticar no mundo realContinue de onde você está usando uma das opções abaixo
Tudo estava claro?

Como podemos melhorá-lo?

Obrigado pelo seu feedback!

Seção 5. Capítulo 5
single

single

some-alt