Håndtering av manglende data
Teknikker for å håndtere manglende verdier.
Håndtering av manglende data er en gratis leksjon i Lær AI med Python på CoddyKit. Dette er leksjon 2 av 5. Du kan lese valgfritt 3 leksjoner fra denne læringsstien gratis i sin helhet – deretter låser CoddyKit PRO opp alle leksjoner, samt praktisk øving med en innebygd kodeeditor og en AI-veileder som er tilgjengelig døgnet rundt. Den er en del av læringsløpet i Lær AI med Python, og fremdriften din synkroniseres mellom nettet og CoddyKit-appen. Kurset i Lær AI med Python inneholder totalt 5 leksjoner.
Håndtering av manglende data
Manglende data er vanlig i datasett og kan påvirke både analysen og modellens ytelse. I denne leksjonen skal vi se på teknikker for å identifisere og håndtere manglende verdier på en effektiv måte.
Identifisere manglende data
Du kan identifisere manglende data i Python ved hjelp av Pandas. Metoden isnull() oppdager manglende verdier i et datasett.
Eksempel:
import pandas as pd
data = {'Age': [25, None, 30], 'Name': ['Alice', 'Bob', None]}
df = pd.DataFrame(data)
print(df.isnull())Telle manglende verdier
Metoden isnull() kan kombineres med sum() for å telle manglende verdier i hver kolonne.
Eksempel:
print(df.isnull().sum())Fjerning av manglende data
Du kan fjerne rader eller kolonner med manglende data ved hjelp av metoden dropna().
Eksempel:
df_cleaned = df.dropna()Fylle inn manglende data
Bruk metoden fillna() til å erstatte manglende verdier med bestemte verdier, for eksempel et gjennomsnitt eller en median.
Eksempel:
df['Age'] = df['Age'].fillna(df['Age'].mean())Fremover- og bakoverutfylling
Fyll ut manglende verdier ved hjelp av verdiene før eller etter dem med method='ffill' eller method='bfill'.
Eksempel:
df['Age'] = df['Age'].fillna(method='ffill')Velge riktig teknikk
Ta hensyn til datasettet og målene for analysen når du håndterer manglende data:
- Bruk
dropna()for rader med mange manglende verdier. - Bruk
fillna()med gjennomsnitt eller median for numeriske data. - Bruk fremover- eller bakoverutfylling for tidsseriedata.
Oppsummering
I denne leksjonen har du lært hvordan du kan:
- Identifisere manglende verdier ved hjelp av
isnull(). - Regne ut antallet manglende verdier med
sum(). - Håndtere manglende data ved å fjerne eller fylle ut verdier.
- Velge riktig teknikk basert på datasettet.
Gratulerer!
Du har fullført leksjonen om håndtering av manglende data. Fortsett til neste leksjon for å lære om teknikker for normalisering av data.
Lær deg Python med en AI-veileder – gratis
Skriv og kjør ekte kode i nettleseren, få umiddelbar hjelp fra en AI-veileder som er tilgjengelig døgnet rundt, og fortsett der du slapp – på nettet eller i appen.
- Kurs
- 53
- Leksjoner
- 225
Ofte stilte spørsmål
Er leksjonen «Håndtering av manglende data» gratis?
Ja – du kan lese valgfritt 3 av leksjonene i læringsstien Lær AI med Python, inkludert «Håndtering av manglende data», gratis i sin helhet her på nettet. Deretter låser CoddyKit PRO opp alle leksjoner, samt interaktiv øving med en innebygd kodeeditor og en AI-veileder som er tilgjengelig døgnet rundt. Kurset i Lær AI med Python inneholder totalt 5 leksjoner.
Hva lærer jeg i «Håndtering av manglende data»?
Teknikker for å håndtere manglende verdier. Du øver på Lær AI med Python med praktisk kode som du kjører direkte i nettleseren, mens en AI-veileder som er tilgjengelig døgnet rundt, svarer på spørsmålene dine mens du jobber deg gjennom leksjonen.
Trenger jeg erfaring for å begynne med Lær AI med Python?
Ingen tidligere erfaring er nødvendig. Lær AI med Python på CoddyKit er lagt opp for både nybegynnere og viderekomne, så De kan begynne her eller helt fra start og lære i Deres eget tempo. Dette er leksjon 2 av 5.
Hvor lang tid tar leksjonen «Håndtering av manglende data»?
De fleste CoddyKit-leksjoner tar omtrent 5–10 minutter. Hver leksjon er kort og interaktiv, slik at De gjør jevne fremskritt og kan fortsette akkurat der De slapp – både på nettet og i appen.
Kan jeg skrive og kjøre kode i denne Lær AI med Python-leksjonen?
Ja. Alle Lær AI med Python-leksjoner har en innebygd kodeeditor, slik at De kan skrive og kjøre ekte kode direkte i nettleseren og få umiddelbar tilbakemelding fra AI – uten lokal konfigurering.
Alle leksjonene i dette kurset
- Datatyper
- Håndtering av manglende data
- Normalisering av data
- Sammenslåing av data i Python
- Funksjonsuttrekking fra data