Notice: This page requires JavaScript to function properly.
Please enable JavaScript in your browser settings or update your browser.
Aprenda Como Excluir Apenas Valores NaN? | Pré-processamento de Dados
Técnicas Avançadas em Pandas

bookComo Excluir Apenas Valores NaN?

Você já aprendeu uma forma de lidar com valores NaN, mas vamos refletir sobre o que pode ser feito com os demais. Observe novamente a quantidade de valores ausentes em cada coluna:

No capítulo anterior, você obteve o seguinte resultado:

PassengerId0
Survived0
Pclass0
Name0
Sex0
Age86
SibSp0
Parch0
Ticket0
Fare1
Embarked0

A maneira mais simples é excluir todas as linhas que contêm valores ausentes. Por exemplo, 86 linhas com idades estão ausentes, assim como 1 linha na coluna 'Fare'. Vamos analisar como podemos excluí-las. No pandas, é possível fazer isso utilizando um método simples, semelhante ao do capítulo anterior, chamado .dropna():

data.dropna(inplace=True)

Aqui, pode-se utilizar inplace=True para salvar todas as alterações. Vamos detalhar a função. Se uma linha na coluna 'Age' possuir um valor NaN, esse método irá excluir todos os valores da mesma linha. A linha inteira será removida caso pelo menos um valor esteja ausente.

Tarefa

Swipe to start coding

Sua tarefa aqui é remover todos os valores ausentes e verificar se tudo foi feito corretamente.

  1. Remova os valores NaN utilizando o argumento inplace=True.
  2. Calcule o número de valores NaN.

Solução

Tudo estava claro?

Como podemos melhorá-lo?

Obrigado pelo seu feedback!

Seção 5. Capítulo 4
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

Suggested prompts:

What are the potential drawbacks of deleting rows with missing values?

Can you explain how .dropna() works in more detail?

Are there alternative methods to handle missing values besides deleting rows?

close

Awesome!

Completion rate improved to 3.03

bookComo Excluir Apenas Valores NaN?

Deslize para mostrar o menu

Você já aprendeu uma forma de lidar com valores NaN, mas vamos refletir sobre o que pode ser feito com os demais. Observe novamente a quantidade de valores ausentes em cada coluna:

No capítulo anterior, você obteve o seguinte resultado:

PassengerId0
Survived0
Pclass0
Name0
Sex0
Age86
SibSp0
Parch0
Ticket0
Fare1
Embarked0

A maneira mais simples é excluir todas as linhas que contêm valores ausentes. Por exemplo, 86 linhas com idades estão ausentes, assim como 1 linha na coluna 'Fare'. Vamos analisar como podemos excluí-las. No pandas, é possível fazer isso utilizando um método simples, semelhante ao do capítulo anterior, chamado .dropna():

data.dropna(inplace=True)

Aqui, pode-se utilizar inplace=True para salvar todas as alterações. Vamos detalhar a função. Se uma linha na coluna 'Age' possuir um valor NaN, esse método irá excluir todos os valores da mesma linha. A linha inteira será removida caso pelo menos um valor esteja ausente.

Tarefa

Swipe to start coding

Sua tarefa aqui é remover todos os valores ausentes e verificar se tudo foi feito corretamente.

  1. Remova os valores NaN utilizando o argumento inplace=True.
  2. Calcule o número de valores NaN.

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 4
single

single

some-alt