Summary  
This chapter covers detecting missing values in tabular data using Pandas’ isna/isnull functions to produce Boolean masks and then counting and computing the percentage of NaNs per column.

General domain of usage  
Data cleaning in data analysis

In this video, you will learn how to identify missing values in your data using pandas. You will see how the `isna()` and `isnull()` functions work by applying them to the Titanic dataset. The video will walk you through how missing values are represented as `NaN` and why finding them is crucial before analyzing or cleaning your data. You will also see the output of these functions and understand how to interpret the resulting boolean DataFrame, so you can quickly spot columns or rows that require attention.

Радий вітати вас у останньому розділі курсу. Тут ви будете обробляти дані про пасажирів Титаніка. Спочатку розглянемо ці дані:

Перший крок у нашому навчанні — знаходження пропущених значень. До речі, іноді важко або навіть неможливо заповнити всі значення стовпця; деякі з них можуть бути відсутніми. Такі випадки можуть зіпсувати результат. У наборі даних вони завжди виглядають так: `NaN`. Спочатку з’ясуємо, чи містить ваш набір даних пропущені значення.

Pandas має дві функції, які можна застосувати до набору даних для пошуку пропущених значень. Обидві функції повертають `False`, якщо значення не пропущене, і `True` — якщо пропущене.

```python
data.isna()
# Or
data.isnull()
```


Оберіть НЕПРАВИЛЬНІ способи перевірки наявності пропущених значень.

Цей курс містить багато корисних функцій для майбутнього аналітика даних. Ви ознайомитеся з різними способами вилучення даних та навіть зможете встановлювати умови для них. Після цього ви будете знайомі з методами групування даних. Також ви дізнаєтеся, як здійснювати попередню обробку даних. Кожен розділ має власний набір даних, що робить курс захопливим.

У цьому розділі ви дізнаєтеся, як виводити певні стовпці за їхніми назвами або індексами. Також ви ознайомитеся зі способами вибору рядків за індексами.

Тут ви дізнаєтеся, як витягувати дані, що відповідають певним умовам. Також ви навчитеся комбінувати ці умови та навіть створювати власні.

У цьому розділі ви розширите свої знання щодо встановлення різних умов для даних. Ви дізнаєтеся, як перевірити, чи знаходяться ваші дані у визначеному списку значень або між двома значеннями. Ви також навчитеся знаходити найбільші та найменші значення.

Цей розділ є одним із найцікавіших у курсі. Тут ви дізнаєтеся, як групувати дані різними способами. Це допоможе вам працювати як аналітик даних для отримання інформації про конкретні групи даних.

Цей розділ є одним із найважливіших для аналітика даних, оскільки якщо дані містять відсутні значення або неправильний формат, працювати з ними буде неможливо. Тому тут ви дізнаєтеся, як працювати з такими невідповідними значеннями.

Перевірка на наявність пропущених значень