Hei ada! Sebagai pembekal produk NAN, saya telah menangani satu tan data dalam data data Pandas, dan satu isu yang menjengkelkan yang selalu muncul adalah nilai -nilai 'nan'. Anda tahu, kekosongan kecil yang boleh merosakkan keseluruhan analisis anda jika anda tidak berhati -hati. Dalam blog ini, saya akan berkongsi beberapa petua tentang cara mengendalikan nilai -nilai 'nan' seperti pro.
Mula -mula, mari kita bercakap tentang apa sebenarnya maksud 'nan'. 'Nan' bermaksud 'bukan nombor', dan pada dasarnya Pandas 'cara mengatakan bahawa terdapat data yang hilang atau tidak sah dalam data data anda. Ia boleh berlaku untuk pelbagai sebab - mungkin data tidak dikumpulkan dengan betul, atau terdapat ralat dalam entri data. Walau apa pun punca, nilai 'Nan' benar -benar boleh membuang sepana dalam analisis data anda, jadi penting untuk mengetahui cara menangani mereka.
Salah satu cara paling mudah untuk mengendalikan nilai 'nan' adalah dengan hanya menggugurkannya. Pandas mempunyai kaedah yang sangat berguna yang dipanggiljatuh ()yang boleh anda gunakan untuk menyingkirkan mana -mana baris atau lajur yang mengandungi nilai 'nan'. Inilah contoh:
Pandas import sebagai import Pd numpy sebagai np # Buat contoh data data dengan data nilai 'nan' = {'col1': [1, 2, np.nan, 4], 'col2': [5, np.nan, 7, 8], 'col3': [9, 10, 11, np.nan] dfe. df_dropped_rows = df.dropna () # drop lajur dengan nilai 'nan' df_dropped_cols = df.dropna (paksi = 1)
Dalam kod di atas,jatuh ()Tanpa sebarang hujah akan menjatuhkan sebarang baris yang mengandungi sekurang -kurangnya satu nilai 'nan'. Sekiranya anda luluspaksi = 1, ia akan menjatuhkan lajur sebaliknya. Kaedah ini bagus jika anda mempunyai banyak data dan nilai 'nan' agak jarang berlaku, tetapi ia juga boleh menyebabkan kehilangan data yang ketara jika terdapat banyak nilai 'nan'.
Pilihan lain ialah mengisi nilai 'nan' dengan nilai tertentu. Pandas mempunyai kaedah yang dipanggilIsi ()yang boleh anda gunakan untuk melakukan ini. Anda boleh mengisi nilai 'nan' dengan nilai malar, min, median, atau mod lajur, atau bahkan nilai sebelumnya atau seterusnya dalam lajur. Berikut adalah beberapa contoh:
# Isi nilai 'nan' dengan nilai malar df_filled_constant = df.fillna (0) # isi 'nan' nilai dengan min lajur df_filled_mean = df.fillna (df.mean ()) # isi 'nan' df_filled_next = df.fillna (metode = 'bfill')
Mengisi nilai 'nan' boleh menjadi cara yang baik untuk memelihara data anda, tetapi anda perlu berhati -hati tentang nilai yang anda gunakan untuk mengisi mereka. Menggunakan min atau median boleh berfungsi dengan baik jika data diedarkan secara normal, tetapi mungkin tidak sesuai jika data mempunyai banyak outlier.
Jika anda berurusan dengan data siri masa, anda mungkin mahu menggunakan interpolasi untuk mengisi nilai 'nan'. Interpolasi adalah kaedah menganggarkan nilai antara titik data yang diketahui. Pandas mempunyai kaedah yang dipanggilinterpolasi ()yang boleh anda gunakan untuk melakukan ini. Inilah contoh:
# Interpolate 'nan' nilai df_interpolated = df.interpolate ()
Interpolasi boleh menjadi cara yang baik untuk mengisi nilai 'nan' dalam data siri masa kerana ia mengambil kira trend data. Walau bagaimanapun, penting untuk diperhatikan bahawa interpolasi hanya anggaran, dan nilai sebenar mungkin berbeza.
Sekarang, mari kita bincangkan beberapa teknik yang lebih maju untuk mengendalikan nilai 'nan'. Satu pendekatan adalah menggunakan algoritma pembelajaran mesin untuk meramalkan nilai yang hilang. Anda boleh melatih model pada data yang tidak hilang dan kemudian menggunakannya untuk meramalkan nilai 'nan'. Ini boleh menjadi cara yang lebih tepat untuk mengisi nilai 'nan', tetapi ia juga memerlukan lebih banyak sumber pengiraan dan kepakaran.
Pendekatan lain ialah menggunakan pelbagai imputasi. Imputasi berganda adalah teknik statistik yang melibatkan membuat pelbagai salinan data data, mengisi nilai 'nan' dalam setiap salinan menggunakan kaedah yang berbeza, dan kemudian menggabungkan hasilnya. Ini dapat membantu mengurangkan kecenderungan dan ketidakpastian yang berkaitan dengan mengisi nilai 'nan'.
Dalam pengalaman saya sebagai pembekal nan, saya dapati bahawa gabungan teknik ini biasanya berfungsi dengan baik. Sebagai contoh, saya mungkin bermula dengan menjatuhkan baris atau lajur dengan sejumlah besar nilai 'nan', kemudian isi nilai 'nan' yang tinggal menggunakan gabungan nilai malar, min, dan interpolasi. Dan jika saya memerlukan anggaran yang lebih tepat, saya mungkin menggunakan pembelajaran mesin atau pelbagai imputasi.
Sebelum saya membungkus, saya ingin menyebut beberapa produk yang mungkin menarik minat anda. Sekiranya anda berada di industri percetakan, anda mungkin ingin menyemakDakwat sublimasi pewarna. Ia adalah dakwat berkualiti tinggi yang sesuai untuk mencetak pelbagai bahan. Dan jika anda berada di industri farmaseutikal, anda mungkin berminatFlorfenicol Cas No.: 73231-34-2danOxytetracycline Hydrochloride Hcl Cas No.: 2058-46-0. Ini adalah kedua -dua bahan mentah farmaseutikal API yang digunakan secara meluas dalam pengeluaran antibiotik.
Jika anda berminat dengan mana -mana produk NAN kami atau mempunyai sebarang soalan mengenai pengendalian nilai 'nan' dalam data anda, jangan teragak -agak untuk menjangkau perbincangan perolehan. Kami sentiasa gembira dapat membantu!


Rujukan:
- McKinney, W. (2012). Python untuk Analisis Data: Data bergelut dengan pandas, numpy, dan ipython. Media O'Reilly.
- Vanderplas, J. (2016). Buku Panduan Sains Data Python: Alat penting untuk bekerja dengan data. Media O'Reilly.
