Lär Er AI med Python · Lektion

Hantera saknade data

Tekniker för att hantera saknade värden.

Lektion 2 av 510 steg

Hantera saknade data är en gratis lektion i Lär Er AI med Python på CoddyKit. Detta är lektion 2 av 5. Du kan läsa vilka 3 lektioner som helst i den här lärvägen kostnadsfritt i sin helhet – därefter låser CoddyKit PRO upp alla lektioner, plus praktisk övning med en inbyggd kodredigerare och en AI-lärare dygnet runt. Den ingår i lärvägen för Lär Er AI med Python, och Era framsteg synkroniseras mellan webben och CoddyKit-appen. Kursen i Lär Er AI med Python innehåller totalt 5 lektioner.

Hantering av saknade data

Saknade data är vanliga i datamängder och kan påverka analysen och modellens prestanda. I den här lektionen utforskar vi tekniker för att identifiera och hantera saknade värden på ett effektivt sätt.

Hantera saknade data — illustration 1

Identifiera saknade data

Ni kan identifiera saknade data i Python med Pandas. Metoden isnull() upptäcker saknade värden i en datauppsättning.

Exempel:

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

Räkna saknade värden

Metoden isnull() kan kombineras med sum() för att räkna antalet saknade värden i varje kolumn.

Exempel:

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

Ta bort saknade data

Du kan ta bort rader eller kolumner med saknade data med metoden dropna().

Exempel:

df_cleaned = df.dropna()

Fylla i saknade data

Använd metoden fillna() för att ersätta saknade värden med specifika värden, till exempel ett medelvärde eller en median.

Exempel:

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

Framåt- och bakåtfyllnad

Fyll saknade värden med hjälp av värdena före eller efter dem genom att använda method='ffill' eller method='bfill'.

Exempel:

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

Välja rätt teknik

Ta hänsyn till datamängden och analysmålen när du hanterar saknade data:

  • Använd dropna() för rader med många saknade värden.
  • Använd fillna() med medelvärde/median för numeriska data.
  • Använd framåt-/bakåtfyllnad för tidsseriedata.

Sammanfattning

I den här lektionen har du lärt dig att:

  • Identifiera saknade värden med hjälp av isnull().
  • Räkna saknade värden med sum().
  • Hantera saknade data genom att ta bort eller fylla i värden.
  • Välja rätt teknik utifrån din datamängd.

Grattis!

Ni har slutfört lektionen om hantering av saknade data. Fortsätt till nästa lektion för att lära Er mer om tekniker för datanormalisering.

Hantera saknade data — illustration 10
Gratis att börja

Lär dig Python med en AI-lärare – gratis

Skriv och kör riktig kod i webbläsaren, få omedelbar hjälp av en AI-lärare dygnet runt och fortsätt där du slutade – på webben eller i appen.

Kurser
53
Lektioner
225

Vanliga frågor

Är lektionen ”Hantera saknade data” gratis?

Ja – du kan läsa vilka 3 lektioner som helst i lärvägen Lär Er AI med Python, inklusive ”Hantera saknade data”, kostnadsfritt i sin helhet här på webben. Därefter låser CoddyKit PRO upp alla lektioner, plus interaktiv övning med en inbyggd kodredigerare och en AI-lärare dygnet runt. Kursen i Lär Er AI med Python innehåller totalt 5 lektioner.

Vad lär jag mig i ”Hantera saknade data”?

Tekniker för att hantera saknade värden. Ni övar på Lär Er AI med Python med praktisk kod som körs direkt i webbläsaren, medan en AI-handledare som är tillgänglig dygnet runt svarar på Era frågor under lektionen.

Behöver jag någon erfarenhet för att börja lära mig Lär Er AI med Python?

Du behöver inga förkunskaper. Utbildningen i Lär Er AI med Python på CoddyKit är upplagd för allt från nybörjare till avancerade elever, så att du kan börja här eller från början och gå fram i din egen takt. Detta är lektion 2 av 5.

Hur lång tid tar lektionen ”Hantera saknade data”?

De flesta CoddyKit-lektioner tar cirka 5–10 minuter. Varje lektion är kort och interaktiv, så att du gör stadiga framsteg och kan fortsätta precis där du slutade – på webben eller i appen.

Kan jag skriva och köra kod i den här Lär Er AI med Python-lektionen?

Ja. Varje Lär Er AI med Python-lektion innehåller en inbyggd kodredigerare, så att du kan skriva och köra riktig kod direkt i webbläsaren och få omedelbar AI-feedback – utan lokal installation.

Alla lektioner i den här kursen

  1. Datatyper
  2. Hantera saknade data
  3. Datanormalisering
  4. Slå samman data i Python
  5. Extrahera egenskaper ur data
← Tillbaka till Lär Er AI med Python