Håndtering af manglende data
Teknikker til håndtering af manglende værdier
Håndtering af manglende data er en gratis Lær AI med Python-lektion på CoddyKit. Dette er lektion 2 af 5. Du kan læse alle 3 lektioner i dette læringsspor gratis i deres fulde længde — derefter låser CoddyKit PRO alle lektioner op samt praktiske øvelser med en indbygget kodeeditor og en AI-underviser døgnet rundt. Den er en del af læringsforløbet i Lær AI med Python, og dine fremskridt synkroniseres på tværs af nettet og CoddyKit-appen. Lær AI med Python-kurset indeholder 5 lektioner i alt.
Håndtering af manglende data
Manglende data er almindelige i datasæt og kan påvirke analysen og modellens ydeevne. I denne lektion undersøger du teknikker til effektivt at identificere og håndtere manglende værdier.
Identifikation af manglende data
Du kan identificere manglende data i Python ved hjælp af Pandas. Metoden isnull() finder manglende værdier i et datasæt.
Eksempel:
import pandas as pd
data = {'Age': [25, None, 30], 'Name': ['Alice', 'Bob', None]}
df = pd.DataFrame(data)
print(df.isnull())Optælling af manglende værdier
Metoden isnull() kan kombineres med sum() for at tælle manglende værdier i hver kolonne.
Eksempel:
print(df.isnull().sum())Fjernelse af manglende data
Du kan fjerne rækker eller kolonner med manglende data ved hjælp af metoden dropna().
Eksempel:
df_cleaned = df.dropna()Udfyldning af manglende data
Brug metoden fillna() til at erstatte manglende værdier med bestemte værdier, for eksempel et gennemsnit eller en median.
Eksempel:
df['Age'] = df['Age'].fillna(df['Age'].mean())Fremadrettet og bagudrettet udfyldning
Udfyld manglende værdier med værdierne før eller efter dem ved hjælp af method='ffill' eller method='bfill'.
Eksempel:
df['Age'] = df['Age'].fillna(method='ffill')Valg af den rigtige teknik
Tag højde for datasættet og målene for analysen, når du håndterer manglende data:
- Brug
dropna()til rækker med mange manglende værdier. - Brug
fillna()med gennemsnit eller median til numeriske data. - Brug fremadrettet eller bagudrettet udfyldning til tidsseriedata.
Opsummering
I denne lektion lærte du at:
- Identificere manglende værdier ved hjælp af
isnull(). - Tælle manglende værdier med
sum(). - Håndtere manglende data ved at fjerne eller udfylde værdier.
- Vælge den rigtige teknik ud fra dit datasæt.
Tillykke!
Du har gennemført lektionen om håndtering af manglende data. Fortsæt til den næste lektion for at lære om teknikker til datanormalisering.
Lær Python med en AI-underviser — gratis
Skriv og kør rigtig kode i din browser, få øjeblikkelig hjælp fra en AI-underviser døgnet rundt, og fortsæt, hvor du slap, på web eller i appen.
- Kurser
- 53
- Lektioner
- 225
Ofte stillede spørgsmål
Er lektionen “Håndtering af manglende data” gratis?
Ja — alle 3 lektioner i læringssporet Lær AI med Python, inklusive “Håndtering af manglende data”, kan læses gratis i deres fulde længde her på webstedet. Derefter låser CoddyKit PRO alle lektioner op samt interaktive øvelser med en indbygget kodeeditor og en AI-underviser døgnet rundt. Lær AI med Python-kurset indeholder 5 lektioner i alt.
Hvad lærer jeg i “Håndtering af manglende data”?
Teknikker til håndtering af manglende værdier Du øver dig i Lær AI med Python med praktisk kode, som du kører direkte i browseren, og en AI-vejleder døgnet rundt besvarer dine spørgsmål, mens du arbejder dig gennem lektionen.
Skal jeg have erfaring for at begynde på Lær AI med Python?
Der kræves ingen tidligere erfaring. Lær AI med Python på CoddyKit er tilrettelagt for både begyndere og øvede, så du kan starte her eller fra begyndelsen og lære i dit eget tempo. Dette er lektion 2 af 5.
Hvor lang tid tager lektionen “Håndtering af manglende data”?
De fleste CoddyKit-lektioner tager cirka 5–10 minutter. Hver lektion er kort og interaktiv, så du gør løbende fremskridt og kan fortsætte, hvor du slap – på både web og app.
Kan jeg skrive og køre kode i denne Lær AI med Python-lektion?
Ja. Alle Lær AI med Python-lektioner har en indbygget kodeeditor, så du kan skrive og køre rigtig kode direkte i din browser og få øjeblikkelig feedback fra AI – uden lokal opsætning.
Alle lektioner i dette kursus
- Datatyper
- Håndtering af manglende data
- Dat normalisering
- Sammenfletning af data i Python
- Funktionsudtræk fra data