Limpando Dados Bagunçados
Tabelas reais têm lacunas e tipos errados. O pandas marca um valor ausente como NaN (Not a Number). Você preenche ou remove ele.
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 truque comum é preencher números ausentes com a média da coluna:
mean_age = df["age"].mean() # NaN is ignored in the mean
df["age"] = df["age"].fillna(mean_age)Mude o tipo de uma coluna com astype, e renomeie colunas com rename:
df["age"] = df["age"].astype(int)
df = df.rename(columns={"name": "first_name"})Para transformar cada valor em uma coluna, use apply com uma function. Ele executa a function em cada célula e retorna uma nova Series:
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])O DataFrame abaixo tem uma idade faltando (NaN). Preencha o valor ausente na coluna age com a média da coluna (ignorando NaN), depois converta a coluna age inteira para int. Por fim, adicione uma nova coluna name_len que contenha o comprimento de cada nome (use .apply com len).
Viu um problema nesta lição? Reporte-o · Pergunte sobre esta lição
Este exercício abre em breve
Termine a lição anterior para que esta seja desbloqueada. O curso inteiro é gratuito, não precisa de conta, e você pode ler esta lição agora mesmo.
Este navegador está bloqueando cookies para learn.floati.life, então as lições que você terminou aqui não podem abrir em ordem. Permita cookies para este site e recarregue.