Eksik Verileri Ele Alma

Eksik veriler veri kümelerinde yaygındır ve analiz ile model performansını etkileyebilir. Bu derste eksik değerleri etkili bir şekilde belirleme ve ele alma tekniklerini inceleyeceğiz.

Eksik Verileri Belirleme

Python'da veri işleme araçlarını kullanarak eksik verileri belirleyebilirsiniz. isnull() yöntemi, bir veri kümesindeki eksik değerleri tespit eder.

Örnek:

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

Eksik Değerleri Sayma

isnull() yöntemi, her sütundaki eksik değerleri saymak için sum() ile birleştirilebilir.

Örnek:

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

Eksik Verileri Silme

Eksik veri içeren satırları veya sütunları dropna() yöntemiyle kaldırabilirsiniz.

Örnek:

df_cleaned = df.dropna()

Eksik Verileri Doldurma

Eksik değerleri ortalama veya medyan gibi belirli değerlerle değiştirmek için fillna() yöntemini kullanın.

Örnek:

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

İleriye ve Geriye Doğru Doldurma

Eksik değerleri, method='ffill' veya method='bfill' kullanarak kendilerinden önceki ya da sonraki değerlerle doldurun.

Örnek:

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

Doğru Tekniği Seçme

Eksik verileri ele alırken veri kümesini ve analiz hedeflerini göz önünde bulundurun:

• Çok sayıda eksik değer içeren satırlar için dropna() kullanın.
• Sayısal veriler için ortalama/medyan ile birlikte fillna() kullanın.
• Zaman serisi verileri için ileriye veya geriye doğru doldurma yöntemini kullanın.

Özet

Bu derste şunları yapmayı öğrendiniz:

• isnull() kullanarak eksik değerleri belirlemek.
• sum() ile eksik değerleri saymak.
• Değerleri silerek veya doldurarak eksik verileri ele almak.
• Veri kümenize göre doğru tekniği seçmek.

Tebrikler!

Eksik Verileri İşleme hakkındaki dersi tamamladınız. Veri Normalleştirme tekniklerini öğrenmek için bir sonraki derse geçin.