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
course content

Conteúdo do Curso

Primeiros Passos com Pandas

Primeiros Passos com Pandas

1. Os Primeiros Passos
2. Lendo Arquivos no Pandas
3. Analisando os Dados

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
toggle bottom row

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
We're sorry to hear that something went wrong. What happened?
some-alt