Зміст курсу
Перші Кроки в Pandas
Перші Кроки в Pandas
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.
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.
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
Ваша мета - знайти відсутні значення у заданому датафреймі під назвою data_frame
.
Дякуємо за ваш відгук!
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.
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.
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
Ваша мета - знайти відсутні значення у заданому датафреймі під назвою data_frame
.
Дякуємо за ваш відгук!
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.
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.
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
Ваша мета - знайти відсутні значення у заданому датафреймі під назвою data_frame
.
Дякуємо за ваш відгук!
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.
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.
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
Ваша мета - знайти відсутні значення у заданому датафреймі під назвою data_frame
.