Menangani Data yang Hilang
Teknik untuk menangani nilai yang hilang
Menangani Data yang Hilang adalah pelajaran Python For Kids gratis di CoddyKit. Ini adalah pelajaran 2 dari 5. Kamu bisa membaca pelajaran lengkapnya di bawah secara gratis — lalu praktikkan langsung di browser dengan editor kode bawaan dan tutor AI 24/7. Ini adalah bagian dari jalur belajar Python For Kids, dan progresmu tersinkronisasi di web dan aplikasi CoddyKit. Kursus Python For Kids mencakup 5 pelajaran total.
Menangani Data yang Hilang
Data yang hilang umum ditemukan dalam kumpulan data dan dapat memengaruhi analisis serta kinerja model. Dalam pelajaran ini, Anda akan mempelajari teknik untuk mengidentifikasi dan menangani nilai yang hilang secara efektif.
Mengidentifikasi Data yang Hilang
Anda dapat mengidentifikasi data yang hilang dalam Python menggunakan Pandas. Metode isnull() mendeteksi nilai yang hilang dalam kumpulan data.
Contoh:
import pandas as pd
data = {'Age': [25, None, 30], 'Name': ['Alice', 'Bob', None]}
df = pd.DataFrame(data)
print(df.isnull())Menghitung Nilai yang Hilang
Metode isnull() dapat digabungkan dengan sum() untuk menghitung nilai yang hilang di setiap kolom.
Contoh:
print(df.isnull().sum())Menghapus Data yang Hilang
Anda dapat menghapus baris atau kolom yang berisi data yang hilang menggunakan metode dropna().
Contoh:
df_cleaned = df.dropna()Mengisi Data yang Hilang
Gunakan metode fillna() untuk mengganti nilai yang hilang dengan nilai tertentu, seperti rata-rata atau median.
Contoh:
df['Age'] = df['Age'].fillna(df['Age'].mean())Pengisian Maju dan Mundur
Isi nilai yang hilang menggunakan nilai sebelum atau sesudahnya dengan method='ffill' atau method='bfill'.
Contoh:
df['Age'] = df['Age'].fillna(method='ffill')Memilih Teknik yang Tepat
Pertimbangkan kumpulan data dan tujuan analisis saat menangani data yang hilang:
- Gunakan
dropna()untuk baris yang memiliki banyak nilai yang hilang. - Gunakan
fillna()dengan nilai rata-rata/median untuk data numerik. - Gunakan pengisian maju/mundur untuk data deret waktu.
Ringkasan
Dalam pelajaran ini, Anda telah mempelajari cara:
- Mengidentifikasi nilai yang hilang menggunakan
isnull(). - Menghitung nilai yang hilang dengan
sum(). - Menangani data yang hilang dengan menghapus atau mengisi nilai.
- Memilih teknik yang tepat berdasarkan kumpulan data Anda.
Selamat!
Anda telah menyelesaikan pelajaran tentang Penanganan Data yang Hilang. Lanjutkan ke pelajaran berikutnya untuk mempelajari teknik Normalisasi Data.
Pertanyaan yang Sering Diajukan
Apakah pelajaran “Menangani Data yang Hilang” gratis?
Ya — teks lengkap “Menangani Data yang Hilang” gratis dibaca di sini di web. Untuk praktiknya secara interaktif (editor kode bawaan dan tutor AI 24/7) dan buka sisa kursus Python For Kids, upgrade ke CoddyKit PRO. Kursus Python For Kids mencakup 5 pelajaran total.
Apa yang akan aku pelajari di “Menangani Data yang Hilang”?
Teknik untuk menangani nilai yang hilang Kamu berlatih Python For Kids dengan kode praktik yang langsung kamu jalankan di browser, dan tutor AI 24/7 menjawab pertanyaanmu saat kamu mengerjakan pelajaran ini.
Apakah aku perlu pengalaman untuk memulai Python For Kids?
Tidak diperlukan pengalaman sebelumnya. Python For Kids di CoddyKit dirancang untuk pemula hingga pelajar tingkat lanjut, jadi kamu bisa memulai di sini atau dari awal dan belajar sesuai kecepatan kamu sendiri. Ini adalah pelajaran 2 dari 5.
Berapa lama pelajaran “Menangani Data yang Hilang” memakan waktu?
Sebagian besar pelajaran CoddyKit memakan waktu sekitar 5–10 menit. Setiap pelajaran ringkas dan interaktif, jadi kamu membuat kemajuan stabil dan melanjutkan dari tempat kamu tinggalkan di web dan aplikasi.
Bisakah aku menulis dan menjalankan kode dalam pelajaran Python For Kids ini?
Ya. Setiap pelajaran Python For Kids menyertakan editor kode bawaan, jadi kamu menulis dan menjalankan kode nyata langsung di browser dan mendapatkan umpan balik AI instan — tidak diperlukan penyiapan lokal.
Semua pelajaran dalam kursus ini
- Jenis-Jenis Data
- Menangani Data yang Hilang
- Normalisasi Data
- Menggabungkan Data dalam Python
- Mengekstrak Fitur dari Data