Ontbrekende gegevens verwerken
Technieken om ontbrekende waarden te verwerken
Ontbrekende gegevens verwerken is een gratis Leer AI met Python-les op CoddyKit. Dit is les 2 van 5. Je kunt 3 lessen uit dit leerpad gratis volledig lezen — daarna ontgrendelt CoddyKit PRO alle lessen, plus praktische oefeningen met een ingebouwde code-editor en een AI-tutor die 24/7 beschikbaar is. Deze les maakt deel uit van het leertraject Leer AI met Python. Je voortgang wordt gesynchroniseerd op het web en in de CoddyKit-app. De cursus Leer AI met Python bevat in totaal 5 lessen.
Omgaan met ontbrekende gegevens
Ontbrekende gegevens komen vaak voor in gegevenssets en kunnen de analyse en modelprestaties beïnvloeden. In deze les verkennen we technieken om ontbrekende waarden effectief te herkennen en te verwerken.
Ontbrekende gegevens herkennen
Je kunt ontbrekende gegevens in Python herkennen met Pandas. De methode isnull() detecteert ontbrekende waarden in een gegevensset.
Voorbeeld:
import pandas as pd
data = {'Age': [25, None, 30], 'Name': ['Alice', 'Bob', None]}
df = pd.DataFrame(data)
print(df.isnull())Ontbrekende waarden tellen
Je kunt de methode isnull() combineren met sum() om ontbrekende waarden in elke kolom te tellen.
Voorbeeld:
print(df.isnull().sum())Ontbrekende gegevens verwijderen
Je kunt rijen of kolommen met ontbrekende gegevens verwijderen met de methode dropna().
Voorbeeld:
df_cleaned = df.dropna()Ontbrekende gegevens aanvullen
Gebruik de methode fillna() om ontbrekende waarden te vervangen door specifieke waarden, zoals een gemiddelde of mediaan.
Voorbeeld:
df['Age'] = df['Age'].fillna(df['Age'].mean())Voorwaarts en achterwaarts aanvullen
Vul ontbrekende waarden aan met de waarden ervoor of erna met method='ffill' of method='bfill'.
Voorbeeld:
df['Age'] = df['Age'].fillna(method='ffill')De juiste techniek kiezen
Houd bij het verwerken van ontbrekende gegevens rekening met de gegevensset en de analysedoelen:
- Gebruik
dropna()voor rijen met veel ontbrekende waarden. - Gebruik
fillna()met het gemiddelde of de mediaan voor numerieke gegevens. - Gebruik voorwaarts of achterwaarts aanvullen voor tijdreeksgegevens.
Samenvatting
In deze les heb je geleerd hoe je:
- Ontbrekende waarden herkent met
isnull(). - Ontbrekende waarden telt met
sum(). - Ontbrekende gegevens verwerkt door waarden te verwijderen of aan te vullen.
- De juiste techniek kiest op basis van je gegevensset.
Gefeliciteerd!
Je hebt de les over het verwerken van ontbrekende gegevens afgerond. Ga door naar de volgende les om meer te leren over technieken voor gegevensnormalisatie.
Leer Python met een AI-tutor — gratis
Schrijf echte code en voer die uit in je browser, krijg direct hulp van een AI-tutor die 24/7 beschikbaar is en ga verder waar je gebleven bent op het web of in de app.
- Cursussen
- 53
- Lessen
- 225
Veelgestelde vragen
Is de les “Ontbrekende gegevens verwerken” gratis?
Ja — je kunt hier op het web alle 3 lessen van het leerpad Leer AI met Python, waaronder “Ontbrekende gegevens verwerken”, gratis volledig lezen. Daarna ontgrendelt CoddyKit PRO alle lessen, plus interactieve oefeningen met een ingebouwde code-editor en een AI-tutor die 24/7 beschikbaar is. De cursus Leer AI met Python bevat in totaal 5 lessen.
Wat leer ik in “Ontbrekende gegevens verwerken”?
Technieken om ontbrekende waarden te verwerken Je oefent met Leer AI met Python door code rechtstreeks in de browser uit te voeren. Een AI-begeleider die 24/7 beschikbaar is beantwoordt je vragen terwijl je de les doorwerkt.
Heb ik ervaring nodig om met Leer AI met Python te beginnen?
Ervaring vooraf is niet nodig. Leer AI met Python op CoddyKit is opgebouwd voor beginners tot gevorderden, zodat je hier of bij het begin kunt starten en in je eigen tempo kunt leren. Dit is les 2 van 5.
Hoe lang duurt de les “Ontbrekende gegevens verwerken”?
De meeste lessen van CoddyKit duren ongeveer 5–10 minuten. Elke les is kort en interactief, zodat je gestaag vooruitgaat en op het web en in de app precies verdergaat waar je was gebleven.
Kan ik code schrijven en uitvoeren in deze les over Leer AI met Python?
Ja. Elke les over Leer AI met Python bevat een ingebouwde code-editor, zodat je rechtstreeks in je browser echte code kunt schrijven en uitvoeren en direct feedback van AI krijgt — lokale installatie is niet nodig.
Alle lessen in deze cursus
- Gegevenstypen
- Ontbrekende gegevens verwerken
- Gegevensnormalisatie
- Gegevens samenvoegen in Python
- Features uit gegevens extraheren