Ontbrekende data verwerken
Technieken om met ontbrekende waarden om te gaan.
Ontbrekende data verwerken is een gratis Python For Kids-les op CoddyKit. Dit is les 2 van 5. Je kunt de volledige les hieronder gratis lezen en daarna in de browser praktisch oefenen met een ingebouwde code-editor en een AI-begeleider die 24/7 beschikbaar is. Deze les maakt deel uit van het leertraject Python For Kids. Je voortgang wordt gesynchroniseerd op het web en in de CoddyKit-app. De cursus Python For Kids bevat in totaal 5 lessen.
Omgaan met ontbrekende gegevens
Ontbrekende gegevens komen vaak voor in datasets en kunnen invloed hebben op analyses en modelprestaties. In deze les verkennen we technieken om ontbrekende waarden effectief te herkennen en te verwerken.

Ontbrekende gegevens identificeren
Je kunt ontbrekende gegevens in Python identificeren met Pandas. De isnull()-methode detecteert ontbrekende waarden in een gegevensverzameling.
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 isnull()-methode combineren met sum() om de 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 invullen
Gebruik de fillna()-methode 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 invullen
Vul ontbrekende waarden in met de waarden ervoor of erna via 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 dataset 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 invullen voor tijdreeksgegevens.
Samenvatting
In deze les heb je geleerd hoe je:
- Ontbrekende waarden herkent met
isnull(). - Ontbrekende waarden telt met
sum(). - Omgaat met ontbrekende gegevens door waarden te verwijderen of in te vullen.
- Op basis van je dataset de juiste techniek kiest.
Gefeliciteerd!
Je hebt de les over het verwerken van ontbrekende gegevens voltooid. 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
- 22
- Lessen
- 94
Veelgestelde vragen
Is de les “Ontbrekende data verwerken” gratis?
Ja — de volledige tekst van “Ontbrekende data verwerken” kun je hier gratis op het web lezen. Als je interactief wilt oefenen met een ingebouwde code-editor en een AI-begeleider die 24/7 beschikbaar is, en de rest van de cursus Python For Kids wilt ontgrendelen, kun je upgraden naar CoddyKit PRO. De cursus Python For Kids bevat in totaal 5 lessen.
Wat leer ik in “Ontbrekende data verwerken”?
Technieken om met ontbrekende waarden om te gaan. Je oefent met Python For Kids 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 Python For Kids te beginnen?
Ervaring vooraf is niet nodig. Python For Kids 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 data 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 Python For Kids?
Ja. Elke les over Python For Kids 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
- Soorten data
- Ontbrekende data verwerken
- Datanormalisatie
- Data samenvoegen in Python
- Features uit data extraheren