Pandas DataFrame Isna Methode

Einführung

In diesem Lab lernen wir, wie wir die DataFrame.isna()-Methode in Pandas verwenden. Die isna()-Methode wird verwendet, um fehlende Werte in einem pandas-DataFrame zu erkennen. Sie gibt einen DataFrame von booleschen Werten zurück, wobei jedes Element angibt, ob es ein NULL-Wert ist oder nicht. Die isna()-Methode betrachtet leere Zeichenketten oder spezielle Werte wie numpy.inf nicht als NULL-Werte.

Tipps für die virtuelle Maschine

Nachdem der Start der virtuellen Maschine abgeschlossen ist, klicken Sie in der oberen linken Ecke, um zur Registerkarte Notebook zu wechseln und Jupyter Notebook für die Übung zu nutzen.

Manchmal müssen Sie einige Sekunden warten, bis Jupyter Notebook vollständig geladen ist. Die Validierung von Vorgängen kann aufgrund der Einschränkungen in Jupyter Notebook nicht automatisiert werden.

Wenn Sie bei der Lernphase Probleme haben, können Sie Labby gerne fragen. Geben Sie nach der Sitzung Feedback, und wir werden das Problem für Sie prompt beheben.

Erstellen eines DataFrames

Zunächst erstellen wir einen DataFrame mit einigen fehlenden Werten, indem wir die DataFrame()-Funktion aus der pandas-Bibliothek verwenden. Wir importieren die erforderlichen Bibliotheken und erstellen den DataFrame mit den Spalten 'a', 'b', 'c' und 'd'.

#importing pandas as pd
import pandas as pd
#importing numpy as np
import numpy as np

#creating the DataFrame
df = pd.DataFrame([(0.0, np.nan, -1.0, 1.0),
                   (np.nan, 2.0, np.nan, np.nan),
                   (2.0, 3.0, np.nan, 9.0)],
                  columns=list('abcd'))

print("------The DataFrame is----------")
print(df)

Entdecken von fehlenden Werten

Als nächstes verwenden wir die isna()-Methode, um fehlende Werte im DataFrame zu entdecken. Wir drucken das Ergebnis aus, um zu sehen, welche Elemente NULL-Werte sind.

print("---------------------------------")
print(df.isna())

Auswertung der Ergebnisse

Durch Ausführen des Codes können wir sehen, dass die isna()-Methode ein DataFrame zurückgegeben hat, das aus booleschen Werten für jedes Element im ursprünglichen DataFrame besteht. False bedeutet, dass das Element kein NULL-Wert ist, während True bedeutet, dass das Element ein NULL-Wert ist.

Betrachtung von leeren Zeichenketten

Im vorherigen Beispiel hat die isna()-Methode leere Zeichenketten nicht als NULL-Werte betrachtet. Erstellen wir ein weiteres DataFrame und überprüfen, ob die isna()-Methode sich weiterhin so verhält.

#creating another DataFrame
df = pd.DataFrame({'a': [0, 1, ''], 'b': ['', None, 3]})

print("------The DataFrame is----------")
print(df)

Nochmals fehlende Werte erkennen

Lassen Sie uns nun die isna()-Methode auf dem neuen DataFrame verwenden, um die fehlenden Werte zu erkennen.

print("---------------------------------")
print(df.isna())

Zusammenfassung

In diesem Lab haben wir gelernt, wie man die DataFrame.isna()-Methode in Pandas verwendet, um fehlende Werte in einem DataFrame zu erkennen. Wir haben ein DataFrame mit fehlenden Werten erstellt, die isna()-Methode verwendet, um diese fehlenden Werte zu erkennen und die Ergebnisse beobachtet. Darüber hinaus haben wir festgestellt, dass die isna()-Methode leere Zeichenketten nicht als NULL-Werte betrachtet. Diese Methode ist nützlich bei der Behandlung von fehlenden Daten in pandas-DataFrames.

Bitte informieren Sie mich, wenn Sie weitere Hilfe benötigen.