Введение
В этом практическом занятии мы научимся использовать метод DataFrame.isna() в Pandas. Метод isna() используется для обнаружения пропущенных значений в DataFrame библиотеки Pandas. Он возвращает DataFrame из булевых значений, где каждый элемент показывает, является ли оно пустым значением или нет. Метод isna() не рассматривает пустые строки или специальные значения, такие как numpy.inf, как пустые значения.
Советы по работе с ВМ
После запуска виртуальной машины кликните в левом верхнем углу, чтобы переключиться на вкладку Notebook и получить доступ к Jupyter Notebook для практики.
Иногда вам может потребоваться подождать несколько секунд, пока Jupyter Notebook полностью загрузится. Валидация операций не может быть автоматизирована из-за ограничений Jupyter Notebook.
Если вы сталкиваетесь с проблемами во время обучения, не стесняйтесь обращаться к Labby. Оставьте отзыв после занятия, и мы оперативно решим проблему для вас.
Создание DataFrame
Сначала создадим DataFrame с некоторыми пропущенными значениями с использованием функции DataFrame() из библиотеки pandas. Импортируем необходимые библиотеки и создадим DataFrame с колонками 'a', 'b', 'c' и '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)
Обнаружение пропущенных значений
Далее мы будем использовать метод isna() для обнаружения пропущенных значений в DataFrame. Выведем результат, чтобы увидеть, какие элементы являются пустыми значениями.
print("---------------------------------")
print(df.isna())
Оценка результатов
Запустив код, мы можем увидеть, что метод isna() вернул DataFrame, состоящий из булевых значений для каждого элемента в исходном DataFrame. False означает, что элемент не является пустым значением, а True - что элемент является пустым значением.
Рассмотрение пустых строк
В предыдущем примере метод isna() не рассматривал пустые строки как пустые значения. Создадим другой DataFrame и проверим, будет ли метод isna() работать так же.
#creating another DataFrame
df = pd.DataFrame({'a': [0, 1, ''], 'b': ['', None, 3]})
print("------The DataFrame is----------")
print(df)
Повторное обнаружение пропущенных значений
Теперь используем метод isna() для нового DataFrame, чтобы обнаружить пропущенные значения.
print("---------------------------------")
print(df.isna())
Резюме
В этом практическом занятии мы узнали, как использовать метод DataFrame.isna() в Pandas для обнаружения пропущенных значений в DataFrame. Мы создали DataFrame с пропущенными значениями, использовали метод isna() для обнаружения этих пропущенных значений и изучили результаты. Кроме того, мы увидели, что метод isna() не рассматривает пустые строки как пустые значения. Этот метод полезен для обработки пропущенных данных в DataFrame pandas.
Пожалуйста, сообщайте, если вам нужна дальнейшая помощь.