Hantera 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 effektivt.

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

Exempel:

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

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

Exempel:

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

Ni kan ta bort rader eller kolumner med saknade data med hjälp av metoden dropna().

Exempel:

df_cleaned = df.dropna()

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())

Fyll i saknade värden med värdena före eller efter dem med method='ffill' eller method='bfill'.

Exempel:

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

Ta hänsyn till datamängden och analysens mål när ni hanterar saknade data:

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

I den här lektionen har ni lärt er 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 datamängden.

Ni har slutfört lektionen om att hantera saknade data. Fortsätt till nästa lektion för att lära er mer om tekniker för datanormalisering.