Пошук Нульових Значень

DataFrames часто містять відсутні значення, представлені як None або NaN. Під час роботи з DataFrames важливо ідентифікувати ці відсутні значення, оскільки вони можуть спотворювати обчислення, призводити до неточних аналізів і компрометувати надійність результатів.

Вирішення цих проблем забезпечує цілісність даних і покращує продуктивність завдань, таких як статистичний аналіз та машинне навчання. Для цього pandas пропонує спеціальні методи.

Перший з них - це isna(), який повертає булевий DataFrame. У цьому контексті значення True вказує на відсутнє значення в DataFrame, тоді як значення False свідчить про наявність значення.

Для ясності ми застосуємо цей метод до DataFrame animals. Метод isna() поверне DataFrame, заповнений значеннями True/False, де кожне значення True представляє відсутнє значення в 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)

Другий метод - це isnull(). Він поводиться ідентично до попереднього, без помітної різниці між ними.

Завдання

Swipe to start coding

Ваше завдання - визначити відсутні значення у заданому DataFrame під назвою wine_data.

Рішення

Перейдіть на комп'ютер для реальної практикиПродовжуйте з того місця, де ви зупинились, використовуючи один з наведених нижче варіантів

Все було зрозуміло?

Дякуємо за ваш відгук!

Секція 3. Розділ 6