결측 데이터 처리

결측 데이터는 데이터 세트에서 흔히 발생하며 분석과 모델 성능에 영향을 줄 수 있습니다. 이번 레슨에서는 결측값을 효과적으로 식별하고 처리하는 기법을 살펴보겠습니다.

누락된 데이터 식별

판다스를 사용하면 파이썬에서 누락된 데이터를 식별할 수 있습니다. isnull() 메서드는 데이터세트에서 누락된 값을 감지합니다.

예시:

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

누락된 값 세기

isnull() 메서드는 sum()과 함께 사용하여 각 열의 누락된 값을 셀 수 있습니다.

예시:

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

결측 데이터 삭제

dropna() 메서드를 사용하여 결측 데이터가 있는 행이나 열을 삭제할 수 있습니다.

예:

df_cleaned = df.dropna()

누락된 데이터 채우기

fillna() 메서드를 사용하면 누락된 값을 평균이나 중앙값과 같은 특정 값으로 바꿀 수 있습니다.

예시:

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

순방향 및 역방향 채우기

method='ffill' 또는 method='bfill'을 사용하여 결측값을 앞이나 뒤에 있는 값으로 채울 수 있습니다.

예:

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

적절한 기법 선택

결측 데이터를 처리할 때는 데이터 세트와 분석 목표를 고려해야 합니다.

• 결측값이 많은 행에는 dropna()를 사용합니다.
• 수치형 데이터에는 평균 또는 중앙값과 함께 fillna()를 사용합니다.
• 시계열 데이터에는 순방향 또는 역방향 채우기를 사용합니다.

복습

이번 레슨에서는 다음과 같은 방법을 배웠습니다.

• isnull()을 사용하여 결측값을 식별합니다.
• sum()으로 결측값의 개수를 셉니다.
• 값을 삭제하거나 채워 결측 데이터를 처리합니다.
• 데이터 세트에 따라 적절한 기법을 선택합니다.

축하합니다!

누락된 데이터 처리에 대한 수업을 완료하셨습니다. 다음 수업으로 넘어가 데이터 정규화 기법을 알아보세요.