Як Видалити Лише Значення NaN?
Ви вже ознайомилися з одним із способів обробки значень NaN, але давайте подумаємо, що ще можна зробити з іншими. Перегляньте ще раз кількість пропусків у кожному стовпці:
У попередньому розділі ви отримали такий результат:
| PassengerId | 0 |
| Survived | 0 |
| Pclass | 0 |
| Name | 0 |
| Sex | 0 |
| Age | 86 |
| SibSp | 0 |
| Parch | 0 |
| Ticket | 0 |
| Fare | 1 |
| Embarked | 0 |
Найпростіший спосіб — видалити всі рядки, які містять пропущені значення. Наприклад, відсутні значення віку у 86 рядках, а також у стовпці 1 відсутнє значення в 'Fare' рядку. Розглянемо, як їх можна видалити. У pandas це можна зробити за допомогою простого методу, подібного до того, що використовувався у попередньому розділі, а саме .dropna():
data.dropna(inplace=True)
```Тут можна використати `inplace=True`, щоб зберегти всі зміни. Розглянемо цю функцію. Якщо у рядку стовпця `'Age'` є значення NaN, цей метод видалить усі значення в цьому ж рядку. Весь рядок буде видалено, якщо хоча б одне значення у ньому відсутнє.
Swipe to start coding
Ваше завдання — видалити всі пропущені значення та перевірити, чи все виконано правильно.
- Видаліть значення
NaN, використовуючи аргументinplace=True. - Обчисліть кількість значень
NaN.
Рішення
Дякуємо за ваш відгук!
single
Запитати АІ
Запитати АІ
Запитайте про що завгодно або спробуйте одне із запропонованих запитань, щоб почати наш чат
Awesome!
Completion rate improved to 3.03Як Видалити Лише Значення NaN?
Свайпніть щоб показати меню
Ви вже ознайомилися з одним із способів обробки значень NaN, але давайте подумаємо, що ще можна зробити з іншими. Перегляньте ще раз кількість пропусків у кожному стовпці:
У попередньому розділі ви отримали такий результат:
| PassengerId | 0 |
| Survived | 0 |
| Pclass | 0 |
| Name | 0 |
| Sex | 0 |
| Age | 86 |
| SibSp | 0 |
| Parch | 0 |
| Ticket | 0 |
| Fare | 1 |
| Embarked | 0 |
Найпростіший спосіб — видалити всі рядки, які містять пропущені значення. Наприклад, відсутні значення віку у 86 рядках, а також у стовпці 1 відсутнє значення в 'Fare' рядку. Розглянемо, як їх можна видалити. У pandas це можна зробити за допомогою простого методу, подібного до того, що використовувався у попередньому розділі, а саме .dropna():
data.dropna(inplace=True)
```Тут можна використати `inplace=True`, щоб зберегти всі зміни. Розглянемо цю функцію. Якщо у рядку стовпця `'Age'` є значення NaN, цей метод видалить усі значення в цьому ж рядку. Весь рядок буде видалено, якщо хоча б одне значення у ньому відсутнє.
Swipe to start coding
Ваше завдання — видалити всі пропущені значення та перевірити, чи все виконано правильно.
- Видаліть значення
NaN, використовуючи аргументinplace=True. - Обчисліть кількість значень
NaN.
Рішення
Перейдіть на комп'ютер для реальної практикиПродовжуйте з того місця, де ви зупинились, використовуючи один з наведених нижче варіантівДякуємо за ваш відгук!
single
