Notice: This page requires JavaScript to function properly.
Please enable JavaScript in your browser settings or update your browser.
Вивчайте Пошук Нульових Значень | Аналіз Даних
Перші Кроки з Pandas

Свайпніть щоб показати меню

book
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)
copy

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

Switch to desktopПерейдіть на комп'ютер для реальної практикиПродовжуйте з того місця, де ви зупинились, використовуючи один з наведених нижче варіантів
Все було зрозуміло?

Як ми можемо покращити це?

Дякуємо за ваш відгук!

Секція 3. Розділ 6

Запитати АІ

expand
ChatGPT

Запитайте про що завгодно або спробуйте одне із запропонованих запитань, щоб почати наш чат

book
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)
copy

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

Switch to desktopПерейдіть на комп'ютер для реальної практикиПродовжуйте з того місця, де ви зупинились, використовуючи один з наведених нижче варіантів
Все було зрозуміло?

Як ми можемо покращити це?

Дякуємо за ваш відгук!

Секція 3. Розділ 6
Switch to desktopПерейдіть на комп'ютер для реальної практикиПродовжуйте з того місця, де ви зупинились, використовуючи один з наведених нижче варіантів
Ми дуже хвилюємося, що щось пішло не так. Що трапилося?
some-alt