Автор оригинала: Pankaj Kumar.
Здравствуйте, читатели! В этой статье мы подробно остановимся на функциях Python isna() и Python nonna () . Итак, давайте начнем!
В области науки о данных и машинного обучения анализ и предварительная обработка данных играют очень важную роль. Во всем процессе предварительной обработки данных анализ недостающих значений является решающим шагом на пути к разработке. Под анализом отсутствующих значений мы подразумеваем процесс обнаружения и удаления отсутствующих или отсутствующих значений из исходных данных.
Для того же существует множество способов обнаружить наличие пропущенных значений в наборе данных. Сегодня мы рассмотрим две простые в использовании функции для обнаружения наличия пропущенных значений–
- Функция Python isna()
- Функция Python notna()
В ходе этой темы мы будем использовать набор данных прогнозирования проката велосипедов. Вы можете найти набор данных здесь ! Давайте теперь рассмотрим каждый из них по очереди в приведенном ниже разделе.
1. Функция Python isna()
С помощью функции Python isna() мы можем легко обнаружить наличие значений NULL или NA, т. Е. пропущенных значений в наборе данных. Это логическая функция, которая ищет пропущенные значения и возвращает TRUE, если она обнаруживает пропущенное значение.
Взгляните на приведенный ниже синтаксис!
dataframe.isna()
Пример:
В этом примере мы использовали функцию isna() для проверки наличия пропущенных значений. Поскольку данные свободны от пропущенных значений, они возвращают значение FALSE.
import pandas
import os
#Changing the current working directory
os.chdir("D:/Ediwsor_Project - Bike_Rental_Count")
BIKE = pandas.read_csv("day.csv")
BIKE.isna()
Выход:
2. Функция Python notna()
С помощью функции Python notna() мы можем легко выбрать данные, которые не занимают пропущенные значения или значения NA. Функция nonna() возвращает TRUE, если данные свободны от пропущенных значений, иначе она возвращает FALSE (если встречаются значения NA).
Синтаксис:
dataframe.notna()
Пример:
Как было показано выше, набор данных свободен от значений NA. Таким образом, функция notna() возвращает TRUE.
import pandas
import os
#Changing the current working directory
os.chdir("D:/Ediwsor_Project - Bike_Rental_Count")
BIKE = pandas.read_csv("day.csv")
BIKE.notna()
Выход:
Вывод
Не стесняйтесь комментировать ниже, если у вас возникнут какие-либо вопросы. Подводя итог, с помощью функций Python isna() и nonna() мы можем быстро проверить наличие пропущенных значений, особенно с огромными наборами данных. И мы можем легко спланировать необходимые средства для лечения недостающих значений.
Для получения дополнительных сообщений, связанных с программированием на Python, оставайтесь с нами. А до тех пор Счастливого Обучения!! 🙂