Limpiar datos desordenados
Las tablas reales tienen huecos y tipos equivocados. pandas marca un valor que falta como NaN (Not a Number, no es un número). O lo rellenas o lo eliminas.
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 NaNUn truco habitual es rellenar los números que faltan con la media de la columna:
mean_age = df["age"].mean() # NaN is ignored in the mean
df["age"] = df["age"].fillna(mean_age)Cambia el tipo de una columna con astype, y cambia el nombre de las columnas con rename:
df["age"] = df["age"].astype(int)
df = df.rename(columns={"name": "first_name"})Para transformar cada valor de una columna, usa apply con una función. Ejecuta la función en cada celda y devuelve una Series nueva:
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])El DataFrame de abajo tiene una edad que falta (NaN). Rellena el valor que falta en la columna age con la media de la columna (ignorando NaN), y luego convierte toda la columna age a int. Por último, añade una columna nueva name_len con la longitud de cada nombre (usa .apply con len).
¿Has visto un problema en esta lección? Avísanos · Preguntar sobre esta lección
Este ejercicio se abre pronto
Termina la lección anterior y esta se desbloquea. Todo el curso es gratis, no hace falta cuenta, y puedes leer esta lección ahora mismo.
Este navegador está bloqueando las cookies de learn.floati.life, así que las lecciones que terminaste aquí no se pueden abrir en orden. Permite las cookies de este sitio y recarga.