लुप्त डेटा सँभालना
लुप्त मानों से निपटने की तकनीकें
लुप्त डेटा सँभालना, CoddyKit पर Python Academy का एक निःशुल्क पाठ है। यह 5 में से 2वाँ पाठ है। आप नीचे पूरा पाठ निःशुल्क पढ़ सकते हैं—फिर अंतर्निहित कोड संपादक और 24/7 एआई ट्यूटर के साथ ब्राउज़र में इसका व्यावहारिक अभ्यास कर सकते हैं। यह Python Academy सीखने के मार्ग का हिस्सा है और आपकी प्रगति वेब तथा CoddyKit ऐप पर सिंक होती रहती है। Python Academy पाठ्यक्रम में कुल 5 पाठ शामिल हैं।
अनुपलब्ध डेटा संभालना
डेटासेट में अनुपलब्ध डेटा सामान्य होता है और यह विश्लेषण तथा मॉडल के प्रदर्शन को प्रभावित कर सकता है। इस पाठ में हम अनुपलब्ध मानों को प्रभावी ढंग से पहचानने और संभालने की तकनीकों का अध्ययन करेंगे।
अनुपलब्ध डेटा पहचानना
आप पैंडस का उपयोग करके पाइथन में अनुपलब्ध डेटा पहचान सकते हैं। isnull() विधि डेटासेट में अनुपलब्ध मानों का पता लगाती है।
उदाहरण:
import pandas as pd
data = {'Age': [25, None, 30], 'Name': ['Alice', 'Bob', None]}
df = pd.DataFrame(data)
print(df.isnull())अनुपलब्ध मानों की गिनती करना
प्रत्येक कॉलम में अनुपलब्ध मानों की गिनती करने के लिए isnull() विधि को sum() के साथ जोड़ा जा सकता है।
उदाहरण:
print(df.isnull().sum())अनुपलब्ध डेटा हटाना
आप dropna() विधि का उपयोग करके अनुपलब्ध डेटा वाली पंक्तियाँ या कॉलम हटा सकते हैं।
उदाहरण:
df_cleaned = df.dropna()अनुपलब्ध डेटा भरना
अनुपलब्ध मानों को औसत या माध्यिका जैसे विशिष्ट मानों से बदलने के लिए fillna() विधि का उपयोग करें।
उदाहरण:
df['Age'] = df['Age'].fillna(df['Age'].mean())आगे और पीछे के मानों से भरना
method='ffill' या method='bfill' का उपयोग करके अनुपलब्ध मानों को उनसे पहले या बाद के मानों से भरें।
उदाहरण:
df['Age'] = df['Age'].fillna(method='ffill')सही तकनीक चुनना
अनुपलब्ध डेटा संभालते समय डेटासेट और विश्लेषण के उद्देश्यों पर विचार करें:
- जिन पंक्तियों में बहुत से अनुपलब्ध मान हों, उनके लिए
dropna()का उपयोग करें। - संख्यात्मक डेटा के लिए औसत या माध्यिका के साथ
fillna()का उपयोग करें। - समय-श्रृंखला डेटा के लिए आगे या पीछे के मानों से भरने की विधि का उपयोग करें।
पुनरावलोकन
इस पाठ में आपने ये कार्य करना सीखा:
isnull()का उपयोग करके अनुपलब्ध मानों की पहचान करना।sum()से अनुपलब्ध मानों की गिनती करना।- मानों को हटाकर या भरकर अनुपलब्ध डेटा संभालना।
- अपने डेटासेट के आधार पर सही तकनीक चुनना।
बधाई हो
आपने अनुपलब्ध डेटा संभालने का पाठ पूरा कर लिया है। डेटा सामान्यीकरण की तकनीकों के बारे में जानने के लिए अगले पाठ पर जाएँ।
एआई शिक्षक के साथ Python सीखें — निःशुल्क
अपने ब्राउज़र में वास्तविक कोड लिखें और चलाएँ, चौबीसों घंटे एआई शिक्षक से तुरंत सहायता पाएँ, और वेब या ऐप पर वहीं से शुरू करें जहाँ आपने छोड़ा था।
- पाठ्यक्रम
- 76
- पाठ
- 320
अक्सर पूछे जाने वाले प्रश्न
क्या “लुप्त डेटा सँभालना” पाठ निःशुल्क है?
हाँ—“लुप्त डेटा सँभालना” का पूरा पाठ यहाँ वेब पर निःशुल्क पढ़ा जा सकता है। इंटरैक्टिव अभ्यास (अंतर्निहित कोड संपादक और 24/7 एआई ट्यूटर) करने और Python Academy पाठ्यक्रम का बाकी हिस्सा अनलॉक करने के लिए CoddyKit PRO लें। Python Academy पाठ्यक्रम में कुल 5 पाठ शामिल हैं।
“लुप्त डेटा सँभालना” में मैं क्या सीखूँगा?
लुप्त मानों से निपटने की तकनीकें आप ब्राउज़र में सीधे चलाए जाने वाले व्यावहारिक कोड के साथ Python Academy का अभ्यास करते हैं, और पाठ पूरा करते समय 24/7 एआई ट्यूटर आपके प्रश्नों के उत्तर देता है।
क्या Python Academy शुरू करने के लिए मुझे किसी अनुभव की आवश्यकता है?
पहले के अनुभव की आवश्यकता नहीं है। CoddyKit पर Python Academy शुरुआती से लेकर उन्नत शिक्षार्थियों तक सभी के लिए व्यवस्थित किया गया है, इसलिए आप यहीं से या शुरुआत से सीखना शुरू कर सकते हैं और अपनी गति से आगे बढ़ सकते हैं। यह 5 में से 2वाँ पाठ है।
“लुप्त डेटा सँभालना” पाठ पूरा करने में कितना समय लगता है?
CoddyKit का अधिकांश पाठ लगभग 5–10 मिनट में पूरा हो जाता है। हर पाठ छोटा और संवादात्मक है, इसलिए आप लगातार प्रगति करते हैं और वेब या ऐप पर वहीं से सीखना जारी रख सकते हैं जहाँ आपने छोड़ा था।
क्या मैं इस Python Academy पाठ में कोड लिख और चला सकता हूँ?
हाँ। हर Python Academy पाठ में एक अंतर्निर्मित कोड संपादक शामिल है, जिससे आप सीधे अपने ब्राउज़र में वास्तविक कोड लिख और चला सकते हैं और तुरंत एआई प्रतिक्रिया पा सकते हैं—स्थानीय सेटअप की आवश्यकता नहीं है।