Het opschonen van rommelige data
Echte tabellen hebben gaten en verkeerde types. pandas markeert een ontbrekende waarde als NaN (Not a Number). Je vult het in of je verwijdert het.
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 NaNA veelgebruikte truc is om ontbrekende getallen in te vullen met het kolomgemiddelde:
mean_age = df["age"].mean() # NaN is ignored in the mean
df["age"] = df["age"].fillna(mean_age)Verander het type van een kolom met astype, en hernoem kolommen met rename:
df["age"] = df["age"].astype(int)
df = df.rename(columns={"name": "first_name"})Om elke waarde in een kolom te transformeren, gebruik je apply met een functie. Het voert de functie uit op elke cel en geeft een nieuwe Series terug:
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])De DataFrame hieronder heeft een ontbrekende leeftijd (NaN). Vul de ontbrekende waarde in de age kolom in met het gemiddelde van de kolom (negeer NaN), en zet daarna de hele age kolom om naar int. Voeg tenslotte een nieuwe kolom name_len toe die de lengte van elke naam bevat (gebruik .apply met len).
Een probleem ontdekt in deze les? Meld het · Vraag naar deze les
Deze oefening opent binnenkort
Maak de les ervoor af voordat deze wordt ontgrendeld. De hele cursus is gratis, geen account nodig, en je kunt deze les nu lezen.
Deze browser blokkeert cookies voor learn.floati.life, dus lessen die je hier hebt afgerond kunnen niet in de juiste volgorde worden geopend. Sta cookies toe voor deze site en laad de pagina opnieuw.