Manejo de datos faltantes

Los datos faltantes son habituales en los conjuntos de datos y pueden afectar al análisis y al rendimiento de los modelos. En esta lección, exploraremos técnicas para identificar y manejar valores faltantes de forma eficaz.

Identificar datos faltantes

Puede identificar datos faltantes en Python mediante Pandas. El método isnull() detecta los valores faltantes de un conjunto de datos.

Ejemplo:

import pandas as pd data = {'Age': [25, None, 30], 'Name': ['Alice', 'Bob', None]} df = pd.DataFrame(data) print(df.isnull())

Contar valores faltantes

El método isnull() se puede combinar con sum() para contar los valores faltantes de cada columna.

Ejemplo:

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

Eliminar datos faltantes

Puede eliminar filas o columnas con datos faltantes mediante el método dropna().

Ejemplo:

df_cleaned = df.dropna()

Rellenar datos faltantes

Utilice el método fillna() para sustituir los valores faltantes por valores específicos, como la media o la mediana.

Ejemplo:

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

Relleno hacia delante y hacia atrás

Rellene los valores faltantes utilizando los valores anteriores o posteriores mediante method='ffill' o method='bfill'.

Ejemplo:

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

Elegir la técnica adecuada

Tenga en cuenta el conjunto de datos y los objetivos del análisis al manejar datos faltantes:

• Utilice dropna() para las filas con muchos valores faltantes.
• Utilice fillna() con la media o la mediana para los datos numéricos.
• Utilice el relleno hacia delante o hacia atrás para los datos de series temporales.

Resumen

En esta lección, ha aprendido a:

• Identificar valores faltantes mediante isnull().
• Contar valores faltantes con sum().
• Manejar datos faltantes eliminando o rellenando valores.
• Elegir la técnica adecuada según el conjunto de datos.

¡Enhorabuena!

Ha completado la lección sobre el manejo de datos faltantes. Continúe con la siguiente lección para aprender sobre las técnicas de normalización de datos.