Вивчайте Пошук Нульових Значень

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

Виправлення таких значень 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 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 попередньому, без жодної помітної різниці між ними.

Завдання

Swipe to start coding

Вам надано DataFrame з назвою wine_data.

Визначте 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

Suggested prompts:

What is the difference between None and NaN in pandas?

Can you explain how to handle or fill missing values in a DataFrame?

Why is it important to identify missing values before analysis?

Awesome!

Completion rate improved to 3.03

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)