Notice: This page requires JavaScript to function properly.
Please enable JavaScript in your browser settings or update your browser.
Lära Hur man tar bort endast NaN-värden? | Förbehandling av Data
Avancerade tekniker i pandas

bookHur man tar bort endast NaN-värden?

Du har hanterat ett sätt att behandla NaN-värden, men låt oss fundera på vad vi kan göra med de andra. Titta en gång till på antalet avvikande värden i varje kolumn:

I föregående kapitel fick du resultatet:

PassengerId0
Survived0
Pclass0
Name0
Sex0
Age86
SibSp0
Parch0
Ticket0
Fare1
Embarked0

Det enklaste sättet är att ta bort alla rader som innehåller saknade värden. Till exempel saknas 86 rader med åldersvärden samt 1 rad i kolumnen 'Fare'. Låt oss undersöka hur vi kan ta bort dem. I pandas kan du göra detta med en enkel metod, liknande den i föregående kapitel, som heter .dropna():

data.dropna(inplace=True)

Här kan du använda inplace=True för att spara alla ändringar. Låt oss diskutera funktionen. Om en rad i kolumnen 'Age' har ett NaN-värde, kommer denna metod att ta bort alla värden i samma rad. Hela raden tas bort om minst ett värde i raden saknas.

Uppgift

Swipe to start coding

Din uppgift här är att ta bort alla saknade värden och kontrollera om du har gjort allt korrekt.

  1. Ta bort NaN-värdena med argumentet inplace=True.
  2. Beräkna antalet NaN-värden.

Lösning

Var allt tydligt?

Hur kan vi förbättra det?

Tack för dina kommentarer!

Avsnitt 5. Kapitel 4
single

single

Fråga AI

expand

Fråga AI

ChatGPT

Fråga vad du vill eller prova någon av de föreslagna frågorna för att starta vårt samtal

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

bookHur man tar bort endast NaN-värden?

Svep för att visa menyn

Du har hanterat ett sätt att behandla NaN-värden, men låt oss fundera på vad vi kan göra med de andra. Titta en gång till på antalet avvikande värden i varje kolumn:

I föregående kapitel fick du resultatet:

PassengerId0
Survived0
Pclass0
Name0
Sex0
Age86
SibSp0
Parch0
Ticket0
Fare1
Embarked0

Det enklaste sättet är att ta bort alla rader som innehåller saknade värden. Till exempel saknas 86 rader med åldersvärden samt 1 rad i kolumnen 'Fare'. Låt oss undersöka hur vi kan ta bort dem. I pandas kan du göra detta med en enkel metod, liknande den i föregående kapitel, som heter .dropna():

data.dropna(inplace=True)

Här kan du använda inplace=True för att spara alla ändringar. Låt oss diskutera funktionen. Om en rad i kolumnen 'Age' har ett NaN-värde, kommer denna metod att ta bort alla värden i samma rad. Hela raden tas bort om minst ett värde i raden saknas.

Uppgift

Swipe to start coding

Din uppgift här är att ta bort alla saknade värden och kontrollera om du har gjort allt korrekt.

  1. Ta bort NaN-värdena med argumentet inplace=True.
  2. Beräkna antalet NaN-värden.

Lösning

Switch to desktopByt till skrivbordet för praktisk övningFortsätt där du är med ett av alternativen nedan
Var allt tydligt?

Hur kan vi förbättra det?

Tack för dina kommentarer!

Avsnitt 5. Kapitel 4
single

single

some-alt