पाठ्यक्रम 250 में से पाठ 81 · डेटा की नींव: numpy और pandas
डेटा की नींव: numpy और pandas

बिखरे डेटा की सफ़ाई

असली तालिकाओं में ख़ाली जगहें और ग़लत प्रकार होते हैं। pandas ग़ायब मान को NaN (Not a Number) के रूप में चिह्नित करता है। आप या तो उसे भरते हैं या हटाते हैं।

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

एक आम तरकीब है ग़ायब संख्याओं को कॉलम के औसत से भरना:

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

astype से कॉलम का प्रकार बदलें, और rename से कॉलम के नाम बदलें:

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

किसी कॉलम के हर मान को बदलने के लिए एक फ़ंक्शन के साथ apply इस्तेमाल करें। यह हर cell पर फ़ंक्शन चलाता है और एक नई Series लौटाता है:

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])
आपकी बारी

नीचे के DataFrame में एक उम्र ग़ायब (NaN) है। age कॉलम का ग़ायब मान कॉलम के औसत (NaN को छोड़कर) से भरें, फिर पूरे age कॉलम को int में बदलें। आख़िर में एक नया कॉलम name_len जोड़ें जिसमें हर नाम की लंबाई हो (len के साथ .apply इस्तेमाल करें)।

इस पाठ में कोई समस्या दिखी? बताएँ · इस पाठ के बारे में पूछें

यह अभ्यास जल्द खुलेगा

इससे पहले वाला पाठ पूरा करें और यह खुल जाएगा। पूरा कोर्स मुफ़्त है, कोई खाता नहीं चाहिए, और आप यह पाठ अभी पढ़ सकते हैं।