გამოქვეყნებულია AJ Welch-ის მიერ. პანდების ოფიციალური დოკუმენტაცია განსაზღვრავს იმას, რასაც დეველოპერების უმეტესობამ იცოდა, როგორც ნულოვანი მნიშვნელობები, როგორც დაკარგული ან დაკარგული მონაცემები პანდებში. პანდაში გამოტოვებული მნიშვნელობა აღინიშნება NaN-ით.
რა არის NaN და NaT პანდაებში?
NaN არის NumPy მნიშვნელობა. np. NaN. NaT არის პანდას მნიშვნელობა. pd. NaT. არცერთი არ არის ვანილის პითონის მნიშვნელობა.
რას ნიშნავს NaN პითონში?
როგორ შევამოწმოთ არის თუ არა ერთი მნიშვნელობა NaN პითონში. … NaN ნიშნავს Not A Number და არის მონაცემთა გამოტოვებული მნიშვნელობის წარმოდგენის ერთ-ერთი გავრცელებული გზა. ეს არის სპეციალური მცურავი წერტილის მნიშვნელობა და არ შეიძლება გარდაიქმნას სხვა ტიპად, გარდა float.
როგორ უმკლავდებიან პანდები NaN-ს?
პანდას
fillna ფუნქცია მოხერხებულად ამუშავებს გამოტოვებულ მნიშვნელობებს Fillna-ს გამოყენებით გამოტოვებული მნიშვნელობები შეიძლება შეიცვალოს სპეციალური მნიშვნელობით ან საერთო მნიშვნელობით, როგორიცაა საშუალო, მედიანა. გარდა ამისა, გამოტოვებული მნიშვნელობები შეიძლება შეიცვალოს მნიშვნელობით მის წინ ან მის შემდეგ, რაც საკმაოდ სასარგებლოა დროის სერიების მონაცემთა ნაკრებისთვის.
როგორ გავიგო NaN არის თუ არა პანდა?
აქ არის 4 გზა NaN-ის შესამოწმებლად Pandas DataFrame-ში:
- (1) შეამოწმეთ NaN ერთი DataFrame სვეტის ქვეშ: df['თქვენი სვეტის სახელი'].isnull.values.any
- (2) დაითვალეთ NaN ერთი DataFrame სვეტის ქვეშ: df['თქვენი სვეტის სახელი'].isnull.sum
- (3) შეამოწმეთ NaN მთელი მონაცემთა ჩარჩოში: df.isnull.values.any
