Notice: This page requires JavaScript to function properly.
Please enable JavaScript in your browser settings or update your browser.
Пошук Відсутніх Значень | Аналіз Даних
Перші Кроки в Pandas
course content

Зміст курсу

Перші Кроки в Pandas

Перші Кроки в Pandas

1. Перші Кроки
2. Робота з Файлами
3. Аналіз Даних

bookПошук 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)
copy

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)
copy

Завдання

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

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
toggle bottom row

bookПошук 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)
copy

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)
copy

Завдання

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

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
toggle bottom row

bookПошук 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)
copy

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)
copy

Завдання

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

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!

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)
copy

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)
copy

Завдання

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

Switch to desktopПерейдіть на комп'ютер для реальної практикиПродовжуйте з того місця, де ви зупинились, використовуючи один з наведених нижче варіантів
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
some-alt