Notice: This page requires JavaScript to function properly.
Please enable JavaScript in your browser settings or update your browser.
Aprenda Encontrando Valores Nulos | Analisando os Dados
Primeiros Passos com Pandas

Deslize para mostrar o menu

book
Encontrando Valores Nulos

Os DataFrames frequentemente contêm valores ausentes, representados como None ou NaN. Ao trabalhar com DataFrames, é essencial identificar esses valores ausentes porque eles podem distorcer cálculos, levar a análises imprecisas e comprometer a confiabilidade dos resultados.

Abordá-los garante a integridade dos dados e melhora o desempenho de tarefas como análise estatística e aprendizado de máquina. Para esse propósito, o pandas oferece métodos específicos.

O primeiro deles é isna(), que retorna um DataFrame booleano. Neste contexto, um valor True indica um valor ausente dentro do DataFrame, enquanto um valor False sugere que o valor está presente.

Para maior clareza, aplicaremos este método no DataFrame animals. O método isna() retornará um DataFrame preenchido com valores True/False, onde cada valor True representa um valor ausente no DataFrame animals.

123456789
import pandas as pd import numpy as np animals_data = {'animal': [np.NaN, 'Dog', np.NaN, 'Cat','Parrot', None], 'name': ['Dolly', None, 'Erin', 'Kelly', None, 'Odie']} animals = pd.DataFrame(animals_data) # Find missing values missing_values = animals.isna() print(missing_values)
copy

O segundo método é isnull(). Ele se comporta de forma idêntica ao anterior, sem diferença discernível entre eles.

Tarefa

Swipe to start coding

Seu objetivo é identificar os valores ausentes em um DataFrame chamado wine_data.

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 3. Capítulo 6

Pergunte à IA

expand
ChatGPT

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

book
Encontrando Valores Nulos

Os DataFrames frequentemente contêm valores ausentes, representados como None ou NaN. Ao trabalhar com DataFrames, é essencial identificar esses valores ausentes porque eles podem distorcer cálculos, levar a análises imprecisas e comprometer a confiabilidade dos resultados.

Abordá-los garante a integridade dos dados e melhora o desempenho de tarefas como análise estatística e aprendizado de máquina. Para esse propósito, o pandas oferece métodos específicos.

O primeiro deles é isna(), que retorna um DataFrame booleano. Neste contexto, um valor True indica um valor ausente dentro do DataFrame, enquanto um valor False sugere que o valor está presente.

Para maior clareza, aplicaremos este método no DataFrame animals. O método isna() retornará um DataFrame preenchido com valores True/False, onde cada valor True representa um valor ausente no DataFrame animals.

123456789
import pandas as pd import numpy as np animals_data = {'animal': [np.NaN, 'Dog', np.NaN, 'Cat','Parrot', None], 'name': ['Dolly', None, 'Erin', 'Kelly', None, 'Odie']} animals = pd.DataFrame(animals_data) # Find missing values missing_values = animals.isna() print(missing_values)
copy

O segundo método é isnull(). Ele se comporta de forma idêntica ao anterior, sem diferença discernível entre eles.

Tarefa

Swipe to start coding

Seu objetivo é identificar os valores ausentes em um DataFrame chamado wine_data.

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 3. Capítulo 6
Switch to desktopMude para o desktop para praticar no mundo realContinue de onde você está usando uma das opções abaixo
Sentimos muito que algo saiu errado. O que aconteceu?
some-alt