Eksik Verileri İşleme

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

Eksik Verileri Belirleme

Python'da Pandas 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

Her sütundaki eksik değerleri saymak için isnull() yöntemi sum() ile birlikte kullanılabilir.

Örnek:

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

Eksik Verileri Kaldırma

dropna() yöntemini kullanarak eksik veri içeren satırları veya sütunları 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 işlerken veri kümesini ve analiz hedeflerini göz önünde bulundurun:

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

Özet

Bu derste şunları nasıl yapacağınızı öğrendiniz:

• isnull() kullanarak eksik değerleri belirleme.
• sum() ile eksik değerleri sayma.
• Değerleri kaldırarak veya doldurarak eksik verileri işleme.
• Veri kümenize göre doğru tekniği seçme.

Tebrikler!

Eksik Verileri İşleme dersini tamamladınız. Veri Normalleştirme teknikleri hakkında bilgi edinmek için sonraki derse geçin.