データの基礎:numpy と pandas
汚れたデータを整える
以前このコースを受けたことがありますか?
あなたを 1 人として数えるためです。送られるのはあなたの答えと匿名の進捗だけです。
実際の表には欠けや間違った型があります。pandas は欠けた値を NaN(Not a Number)として印を付けます。埋めるか、落とすかのどちらかです。
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よくある手は、欠けた数値を列の平均で埋めることです:
mean_age = df["age"].mean() # NaN is ignored in the mean
df["age"] = df["age"].fillna(mean_age)列の型は astype で変え、列名は rename で変えます:
df["age"] = df["age"].astype(int)
df = df.rename(columns={"name": "first_name"})列のすべての値を変換するには、関数を渡して apply を使います。各セルに関数を実行し、新しい Series を返します:
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])あなたの番
下の DataFrame には欠けた年齢(NaN)があります。age 列の欠けた値を(NaN を無視した)列の平均で埋めてから、age 列全体を int に変換してください。最後に、各名前の長さを持つ新しい列 name_len を追加してください(len を渡して .apply を使います)。
レッスン完了。お見事です。
この演習はまもなく開きます
その前のレッスンを終えると、このレッスンが解放されます。コース全体が無料でアカウントも不要、このレッスンは今すぐ読めます。
このブラウザは learn.floati.life の Cookie をブロックしているため、ここで修了したレッスンを順番どおりに開けません。このサイトの Cookie を許可して再読み込みしてください。