Conteúdo do curso Lição 81 de 250 · Fundamentos de Dados: numpy & pandas
Fundamentos de Dados: numpy & pandas

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 NaN

A 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])
Sua vez

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.