Пошук Відсутніх Значень

Дані в датафреймах часто мають відсутні значення, представлені як None або np.NaN. Працюючи з датафреймами, важливо визначати ці відсутні значення. Для цієї мети pandas пропонує спеціальні функції.

Перша з них - це isna(), яка повертає логічний датафрейм. В цьому контексті значення True вказує на відсутнє значення у датафреймі, а False - на наявність значення.

Для кращого розуміння давайте розглянемо приклад. Запустіть наданий код, щоб побачити датафрейм, заповнений значеннями True та False.


              123456789
            
import pandas as pd
import numpy as np

dataset = {'animal': [np.NaN, 'Dog', np.NaN, 'Cat','Parrot', None],
'name': ['Dolly', None, 'Erin', 'Kelly', None, 'Odie']}
animal = pd.DataFrame(dataset)
# Find missing values
missing_value = animal.isna()
print(missing_value)

Друга функція - це isnull(). Вона працює так само, як і попередня. Між ними немає різниці. Давайте подивимося, як її використовувати. Запустіть супровідний код, щоб перевірити, чи співпадає отриманий датафрейм з попереднім прикладом.


              123456789
            
import pandas as pd
import numpy as np

dataset = {'animal': [np.NaN, 'Dog', np.NaN, 'Cat','Parrot', None],
'name': ['Dolly', None, 'Erin', 'Kelly', None, 'Odie']}
animal = pd.DataFrame(dataset)
# Find missing values
missing_value = animal.isnull()
print(missing_value)

Завдання

Swipe to show code editor

Ваша мета - знайти відсутні значення у заданому датафреймі під назвою data_frame.

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