Pelajari AI dengan Python · Pelajaran

Mengendalikan Data yang Hilang

Teknik untuk menangani nilai yang hilang.

Pelajaran 2 daripada 510 langkah

Mengendalikan Data yang Hilang ialah pelajaran Pelajari AI dengan Python percuma di CoddyKit. Ini ialah pelajaran 2 daripada 5. Sebanyak 3 pelajaran dalam laluan pembelajaran ini boleh dibaca sepenuhnya secara percuma — selepas itu, CoddyKit PRO membuka akses kepada semua pelajaran, serta latihan praktikal dengan penyunting kod terbina dalam dan tutor kecerdasan buatan yang tersedia 24/7. Pelajaran ini merupakan sebahagian daripada laluan pembelajaran Pelajari AI dengan Python, dan kemajuan anda disegerakkan merentas web serta aplikasi CoddyKit. Kursus Pelajari AI dengan Python merangkumi sejumlah 5 pelajaran.

Mengendalikan Data yang Hilang

Data yang hilang adalah perkara biasa dalam set data dan boleh menjejaskan analisis serta prestasi model. Dalam pelajaran ini, kita akan meneroka teknik untuk mengenal pasti dan mengendalikan nilai yang hilang dengan berkesan.

Mengenal Pasti Data yang Hilang

Anda boleh mengenal pasti data yang hilang dalam Python menggunakan Pandas. Kaedah isnull() mengesan nilai yang hilang dalam set data.

Contoh:

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

Mengira Nilai yang Hilang

Kaedah isnull() boleh digabungkan dengan sum() untuk mengira nilai yang hilang dalam setiap lajur.

Contoh:

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

Membuang Data yang Hilang

Anda boleh membuang baris atau lajur yang mengandungi data yang hilang menggunakan kaedah dropna().

Contoh:

df_cleaned = df.dropna()

Mengisi Data yang Hilang

Gunakan kaedah fillna() untuk menggantikan nilai yang hilang dengan nilai tertentu, seperti min atau median.

Contoh:

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

Pengisian Hadapan dan Belakang

Isi nilai yang hilang menggunakan nilai sebelum atau selepasnya dengan method='ffill' atau method='bfill'.

Contoh:

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

Memilih Teknik yang Tepat

Pertimbangkan set data dan matlamat analisis apabila mengendalikan data yang hilang:

Gunakan dropna() untuk baris yang mengandungi banyak nilai yang hilang.
Gunakan fillna() dengan min atau median untuk data berangka.
Gunakan pengisian hadapan atau belakang untuk data siri masa.

Ringkasan

Dalam pelajaran ini, Anda telah mempelajari cara untuk:

Mengenal pasti nilai yang hilang menggunakan isnull().
Mengira nilai yang hilang dengan sum().
Mengendalikan data yang hilang dengan membuang atau mengisi nilai.
Memilih teknik yang tepat berdasarkan set data Anda.

Tahniah!

Anda telah menyelesaikan pelajaran tentang Pengendalian Data yang Hilang. Teruskan ke pelajaran seterusnya untuk mempelajari teknik Normalisasi Data.

Mengendalikan Data yang Hilang — ilustrasi 10

Percuma untuk bermula

Pelajari Python dengan tutor kecerdasan buatan — percuma

Tulis dan jalankan kod sebenar dalam pelayar anda, dapatkan bantuan segera daripada tutor kecerdasan buatan yang tersedia 24/7, dan sambung semula dari tempat anda berhenti di web atau dalam aplikasi.

Kursus: 53
Pelajaran: 225

Mula belajar secara percuma Lihat kursus penuh

Soalan Lazim

Adakah pelajaran “Mengendalikan Data yang Hilang” percuma?

Ya — sebanyak 3 pelajaran dalam laluan pembelajaran Pelajari AI dengan Python, termasuk “Mengendalikan Data yang Hilang”, boleh dibaca sepenuhnya secara percuma di web ini. Selepas itu, CoddyKit PRO membuka akses kepada semua pelajaran, serta latihan interaktif dengan penyunting kod terbina dalam dan tutor kecerdasan buatan yang tersedia 24/7. Kursus Pelajari AI dengan Python merangkumi sejumlah 5 pelajaran.

Apakah yang akan saya pelajari dalam “Mengendalikan Data yang Hilang”?

Teknik untuk menangani nilai yang hilang. Anda berlatih Pelajari AI dengan Python menggunakan kod praktikal yang dijalankan terus dalam pelayar, manakala tutor kecerdasan buatan 24/7 menjawab soalan anda semasa anda mengikuti pelajaran.

Adakah saya memerlukan pengalaman untuk memulakan Pelajari AI dengan Python?

Tiada pengalaman terdahulu diperlukan. Pembelajaran Pelajari AI dengan Python di CoddyKit disusun untuk pelajar daripada peringkat pemula hingga lanjutan, jadi anda boleh bermula di sini atau dari awal dan belajar mengikut kadar anda sendiri. Ini ialah pelajaran 2 daripada 5.

Berapa lamakah pelajaran “Mengendalikan Data yang Hilang” diambil?

Kebanyakan pelajaran CoddyKit mengambil masa kira-kira 5–10 minit. Setiap pelajaran ringkas dan interaktif, jadi anda boleh membuat kemajuan secara berterusan dan menyambung tepat dari tempat anda berhenti di web atau aplikasi.

Bolehkah saya menulis dan menjalankan kod dalam pelajaran Pelajari AI dengan Python ini?

Ya. Setiap pelajaran Pelajari AI dengan Python menyertakan penyunting kod terbina dalam, jadi anda boleh menulis dan menjalankan kod sebenar terus dalam pelayar serta menerima maklum balas kecerdasan buatan serta-merta — tanpa memerlukan persediaan setempat.

Semua pelajaran dalam kursus ini

← Kembali ke Pelajari AI dengan Python