Håndtering af manglende data

Manglende data er almindelige i datasæt og kan påvirke analysen og modellens ydeevne. I denne lektion undersøger vi teknikker til effektivt at identificere og håndtere manglende værdier.

Du kan identificere manglende data i Python ved hjælp af Pandas. Metoden isnull() registrerer 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())

Metoden isnull() kan kombineres med sum() for at tælle manglende værdier i hver kolonne.

Eksempel:

print(df.isnull().sum())

Du kan fjerne rækker eller kolonner med manglende data ved hjælp af metoden dropna().

Eksempel:

df_cleaned = df.dropna()

Brug metoden fillna() til at erstatte manglende værdier med bestemte værdier, f.eks. et gennemsnit eller en median.

Eksempel:

df['Age'] = df['Age'].fillna(df['Age'].mean())

Udfyld manglende værdier ved hjælp af værdierne før eller efter dem med method='ffill' eller method='bfill'.

Eksempel:

df['Age'] = df['Age'].fillna(method='ffill')

Tag datasættet og målene for analysen i betragtning, 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.

I denne lektion har du lært, hvordan du:

• Identificerer manglende værdier ved hjælp af isnull().
• Tæller manglende værdier med sum().
• Håndterer manglende data ved at fjerne eller udfylde værdier.
• Vælger den rigtige teknik ud fra dit datasæt.

Du har gennemført lektionen om håndtering af manglende data. Fortsæt til den næste lektion for at lære om teknikker til datanormalisering.