Вивчайте Пошук Нульових Значень

DataFrame часто містять відсутні значення, які позначаються як None або NaN. Під час роботи з DataFrame важливо виявляти ці відсутні значення, оскільки вони можуть спотворювати обчислення, призводити до неточних аналізів і знижувати достовірність результатів.

Вирішення цієї проблеми забезпечує цілісність даних і підвищує ефективність 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 у DataFrame, тоді як значення False означає, що значення присутнє.

Для наочності застосуйте цей метод до DataFrame animals. Метод isna() повертає DataFrame зі значеннями True/False, де кожне True позначає відсутнє значення у 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 жодної помітної різниці між ними.

Завдання

Swipe to start coding

Вам надано DataFrame з назвою wine_data.

Отримайте відсутні значення у цьому DataFrame та збережіть результат у змінній missing_values.

Рішення

Все було зрозуміло?

Дякуємо за ваш відгук!

Секція 3. Розділ 6

single

Запитати АІ

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

Свайпніть щоб показати меню


              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)