تنظيف البيانات غير المنظمة
تحتوي الجداول الحقيقية على فجوات وأنواع خاطئة. تقوم pandas بتمييز القيمة المفقودة كـ NaN (ليس رقماً). يمكنك إما ملؤها أو حذفها.
import pandas as pd
import numpy as np
df = pd.DataFrame({
"name": ["Ada", "Bo", "Cy"],
"age": [30, np.nan, 35],
})
print(df["age"].fillna(0)) # replace NaN with 0
print(df.dropna()) # drop any row that has a NaNخدعة A الشائعة هي ملء الأرقام المفقودة بمتوسط العمود:
mean_age = df["age"].mean() # NaN is ignored in the mean
df["age"] = df["age"].fillna(mean_age)غيّر نوع العمود باستخدام astype، وأعد تسمية الأعمدة باستخدام rename:
df["age"] = df["age"].astype(int)
df = df.rename(columns={"name": "first_name"})لتحويل كل قيمة في عمود، استخدم apply مع دالة. تقوم الدالة بالعمل على كل خلية وتعيد Series جديدة:
def initial(s):
return s[0]
df["letter"] = df["first_name"].apply(initial)
# you can also use a lambda:
df["letter"] = df["first_name"].apply(lambda s: s[0])يحتوي الـ DataFrame أدناه على عمر مفقود (NaN). املأ القيمة المفقودة في العمود age باستخدام متوسط العمود (مع تجاهل NaN)، ثم قم بتحويل عمود age بالكامل إلى int. أخيراً أضف عموداً جديداً name_len يحتوي على طول كل اسم (استخدم .apply مع len).
سيفتح هذا التمرين قريبا
أنهِ الدرس السابق ليفتح هذا الدرس. الدورة كاملة مجانية، ولا تحتاج إلى حساب، ويمكنك قراءة هذا الدرس الآن.
يقوم هذا المتصفح بحظر ملفات تعريف الارتباط لـ learn.floati.life، لذا لا يمكن فتح الدروس التي أنهيتها هنا بالترتيب. اسمح بملفات تعريف الارتباط لهذا الموقع وأعد التحميل.