Introdução
Neste laboratório, aprenderemos como usar o método DataFrame.isna() no Pandas. O método isna() é usado para detectar valores ausentes em um DataFrame do pandas. Ele retorna um DataFrame de valores booleanos, onde cada elemento indica se é um valor nulo ou não. O método isna() não considera strings vazias ou valores especiais como numpy.inf como valores nulos.
Dicas para a VM
Após a inicialização da VM, clique no canto superior esquerdo para mudar para a aba Notebook e acessar o Jupyter Notebook para praticar.
Às vezes, pode ser necessário aguardar alguns segundos para que o Jupyter Notebook termine de carregar. A validação das operações não pode ser automatizada devido a limitações no Jupyter Notebook.
Se você enfrentar problemas durante o aprendizado, sinta-se à vontade para perguntar ao Labby. Forneça feedback após a sessão, e resolveremos o problema prontamente para você.
Criando um DataFrame
Primeiramente, vamos criar um DataFrame com alguns valores ausentes usando a função DataFrame() da biblioteca pandas. Importaremos as bibliotecas necessárias e criaremos o DataFrame com as colunas 'a', 'b', 'c' e '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)
Detectando Valores Ausentes
Em seguida, usaremos o método isna() para detectar valores ausentes no DataFrame. Imprimiremos o resultado para ver quais elementos são valores nulos.
print("---------------------------------")
print(df.isna())
Avaliando os Resultados
Ao executar o código, podemos ver que o método isna() retornou um DataFrame consistindo em valores booleanos para cada elemento no DataFrame original. False indica que o elemento não é um valor nulo, enquanto True indica que o elemento é um valor nulo.
Considerando Strings Vazias
No exemplo anterior, o método isna() não considerou strings vazias como valores nulos. Vamos criar outro DataFrame e verificar se o método isna() ainda se comporta da mesma forma.
#creating another DataFrame
df = pd.DataFrame({'a': [0, 1, ''], 'b': ['', None, 3]})
print("------The DataFrame is----------")
print(df)
Detectando Valores Ausentes Novamente
Agora, vamos usar o método isna() no novo DataFrame para detectar os valores ausentes.
print("---------------------------------")
print(df.isna())
Resumo
Neste laboratório, aprendemos como usar o método DataFrame.isna() no Pandas para detectar valores ausentes em um DataFrame. Criamos um DataFrame com valores ausentes, usamos o método isna() para detectar esses valores ausentes e observamos os resultados. Adicionalmente, vimos que o método isna() não considera strings vazias como valores nulos. Este método é útil para lidar com dados ausentes em DataFrames do pandas.
Por favor, me diga se precisar de mais alguma ajuda.