سرفصل‌ها درس 81 از 250 · مبانی داده: numpy و pandas
مبانی داده: numpy و pandas

پاک‌سازی دادهٔ نامرتب

جدول‌های واقعی جای خالی و نوع‌های نادرست دارند. pandas یک مقدار گم‌شده را با NaN (عدد نیست) نشان می‌دهد. یا پرش می‌کنید یا حذفش می‌کنید.

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 NaN

یک ترفند رایج پرکردن عددهای گم‌شده با میانگین ستون است:

mean_age = df["age"].mean()        # NaN is ignored in the mean
df["age"] = df["age"].fillna(mean_age)

نوع یک ستون را با astype تغییر دهید، و ستون‌ها را با rename تغییر نام دهید:

df["age"] = df["age"].astype(int)
df = df.rename(columns={"name": "first_name"})

برای تبدیل هر مقدار یک ستون، از apply با یک تابع استفاده کنید. تابع را روی هر خانه اجرا می‌کند و یک Series تازه برمی‌گرداند:

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])
نوبت شما

DataFrame زیر یک سن گم‌شده (NaN) دارد. مقدار گم‌شدهٔ ستون age را با میانگین ستون (با نادیده‌گرفتن NaN) پر کنید، سپس کل ستون age را به int تبدیل کنید. در پایان یک ستون تازه name_len اضافه کنید که طول هر نام را نگه دارد (از .apply با len استفاده کنید).

مشکلی در این درس دیدید؟ گزارشش کنید · دربارهٔ این درس بپرسید

این تمرین به‌زودی باز می‌شود

درس پیش از آن را تمام کنید تا این یکی باز شود. کل دوره رایگان است، حساب کاربری لازم نیست، و می‌توانید همین الان این درس را بخوانید.