Hướng dẫn how do i fix the null value in python? - làm cách nào để sửa giá trị null trong python?

• Giới thiệu điều trị giá trị null trong Python
  • Xác định nan và không có trong gấu trúc
• Phát hiện các giá trị null
• Điều trị giá trị null trong Python
• Lấp đầy các giá trị null
• Sự kết luận

Giới thiệu điều trị giá trị null trong Python

Mặc dù mã hóa trong Python, rất phổ biến để gán hoặc khởi tạo các biến với các giá trị chuỗi, float hoặc số nguyên. Nhưng một số bạn có thể muốn gán một giá trị null cho một biến, nó được gọi là xử lý giá trị null trong Python. Không giống như các ngôn ngữ lập trình khác như PHP hoặc Java hoặc C, Python không có giá trị null. Thay vào đó, có từ khóa không có từ khóa mà bạn có thể sử dụng để xác định giá trị null.

Trong thế giới thực là dữ liệu trong thế giới thực hiếm khi sạch sẽ và đồng nhất hơn. Cụ thể, nhiều bộ dữ liệu thú vị sẽ bị thiếu một số dữ liệu.

Trong bài viết này, chúng tôi sẽ thảo luận về một số cân nhắc chung cho dữ liệu bị thiếu (tức là giá trị null), thảo luận về cách gấu trúc chọn để đại diện cho nó. & NBSP;

Xác định nan và không có trong gấu trúc

Phát hiện các giá trị null

Example:-

pd.Series([1, np.nan, 2, None])
output : 	0    1.0
1    NaN
2    2.0
3    NaN
dtype: float64

Pandas automatically type-casts when NA values are present. For example, if we set a value in an integer array to np.nan, it will automatically be changed to a floating-point type.

x = pd.Series(range(2), dtype=int)
print(x)
output:
0    0
1    1
dtype: int64

x[0] = None
print(x)
Output:
0    NaN
1    1.0
dtype: float64

Điều trị giá trị null trong Python

Lấp đầy các giá trị null

Nan và không ai được đại diện như một giá trị null, và gấu trúc được xây dựng để xử lý hai người họ gần như thay thế cho nhau. Ví dụ sau đây giúp bạn cách trao đổi.

Widget not in any sidebars

Phát hiện các giá trị null

Điều trị giá trị null trong Python

Lấp đầy các giá trị null

Where,

• Sự kết luận
• Mặc dù mã hóa trong Python, rất phổ biến để gán hoặc khởi tạo các biến với các giá trị chuỗi, float hoặc số nguyên. Nhưng một số bạn có thể muốn gán một giá trị null cho một biến, nó được gọi là xử lý giá trị null trong Python. Không giống như các ngôn ngữ lập trình khác như PHP hoặc Java hoặc C, Python không có giá trị null. Thay vào đó, có từ khóa không có từ khóa mà bạn có thể sử dụng để xác định giá trị null.

Trong thế giới thực là dữ liệu trong thế giới thực hiếm khi sạch sẽ và đồng nhất hơn. Cụ thể, nhiều bộ dữ liệu thú vị sẽ bị thiếu một số dữ liệu.

For Example:-

df = pd.Series([1,2, np.nan, 'fireblaze', None])

##isnull()##

df.isnull()
output:
0    	False
1	False
2     	True
3    	False
4     	True
dtype: bool

##not null##

data[data.notnull()]

0        1
1	 2
3    	fireblaze
dtype: object

# To detect the number of null value used .isnull.sum()

data.isnull().sum()

# Output:-
2

Trong bài viết này, chúng tôi sẽ thảo luận về một số cân nhắc chung cho dữ liệu bị thiếu (tức là giá trị null), thảo luận về cách gấu trúc chọn để đại diện cho nó. & NBSP;

Nan và không ai được đại diện như một giá trị null, và gấu trúc được xây dựng để xử lý hai người họ gần như thay thế cho nhau. Ví dụ sau đây giúp bạn cách trao đổi.

1. Dropping 
2. Bây giờ bạn có thể thấy rằng ngoài việc đúc mảng số nguyên thành điểm nổi, gấu trúc tự động chuyển đổi không có thành giá trị NAN. & NBSP;

1. Các danh sách sau đây trong gấu trúc khi giá trị NA được giới thiệu:

Nổi & nbsp; - Không thay đổi

Syntax:-

np.nan

Where,

Đối tượng - Không thay đổi

Np.nan hoặc không có

Số nguyên đúc để nổi 64

Boolean-đúc để đối tượng

Luôn luôn nhớ rằng trong gấu trúc, dữ liệu chuỗi luôn được lưu trữ với một DTYPE đối tượng.

Example:-

df = pd.Series([1,2, np.nan, 'fireblaze', None])

##isnull()##

df.isnull()
output:
0    	False
1	False
2     	True
3    	False
4     	True
dtype: bool

#drop all null values from series

data.dropna()

Output:-

0        2
3    fireblaze
dtype: object

Như chúng ta đã thấy ở trên ví dụ, gấu trúc không đối xử với không và NAN như chỉ ra các giá trị thiếu hoặc null. Có một số phương pháp hữu ích để phát hiện, loại bỏ và thay thế các giá trị null trong các cấu trúc dữ liệu gấu trúc. & NBSP;

Danh sách sau là:

Example:-

df = pd.DataFrame([[1,      np.nan, 2],
                   [3,      4,      5],
                   [np.nan, 6,      7]])
print(df)

Trong thế giới thực là dữ liệu trong thế giới thực hiếm khi sạch sẽ và đồng nhất hơn. Cụ thể, nhiều bộ dữ liệu thú vị sẽ bị thiếu một số dữ liệu.

Trong bài viết này, chúng tôi sẽ thảo luận về một số cân nhắc chung cho dữ liệu bị thiếu (tức là giá trị null), thảo luận về cách gấu trúc chọn để đại diện cho nó. & NBSP;

Nan và không ai được đại diện như một giá trị null, và gấu trúc được xây dựng để xử lý hai người họ gần như thay thế cho nhau. Ví dụ sau đây giúp bạn cách trao đổi.

Các danh sách sau đây trong gấu trúc khi giá trị NA được giới thiệu:

Nổi & nbsp; - Không thay đổi

Example:-

np.nan

Đối tượng - Không thay đổi

Np.nan hoặc không có

Thí dụ:-

print(df)

df.dropna (trục = cột cột, How = How all

Nan

Example:-

df.dropna (trục = cột cột, How = How all

df.dropna (trục = cột cột, How = How all

Widget not in any sidebars

Hãy để sử dụng tham số ‘Thresh, bạn chỉ định số lượng tối thiểu các giá trị không null cho hàng/cột.

df.dropna (trục = Hàng hàng, ngưỡng = 3)

Ở đây, hàng đầu tiên và hàng cuối cùng đã bị loại bỏ vì chúng tôi đặt điều kiện là ‘ngưỡng = 3, nó có nghĩa là ít nhất hai giá trị NAN theo hàng và cột. Chúng chỉ chứa hai giá trị không null.

Lấp đầy các giá trị null

• Đôi khi thay vì bỏ các giá trị NA, bạn thay vì thay thế chúng bằng một giá trị hợp lệ. Mỗi lần bỏ, nó không tốt cho tất cả các câu lệnh có vấn đề vì một số dữ liệu hữu ích Insight các cột hoặc hàng khác. Bây giờ, một cách tốt hơn để lấp đầy các giá trị null và điều này được gọi là xử lý giá trị null trong Python. & NBSP; Giá trị này có thể là một số duy nhất như số 0, trung bình, trung bình hoặc chế độ. Bạn có thể thực hiện điều này tại chỗ bằng phương thức isNull () làm mặt nạ, nhưng vì đây là một hoạt động phổ biến như vậy cung cấp phương thức fillna (), trả về một bản sao của mảng với các giá trị null được thay thế.
• Nói chung, chúng tôi điền vào giá trị null của dữ liệu số bằng cách sử dụng trung bình và trung bình và chế độ cho dữ liệu phân loại.
• Khi nào nên sử dụng biện pháp nào về xu hướng trung tâm để lấp đầy giá trị null?

Syntex:-

Trung bình - nó được sử dụng khi dữ liệu của bạn không bị sai lệch (nghĩa là phân phối bình thường)

Trung bình - Nó được sử dụng khi dữ liệu của bạn bị sai lệch (tức là không phân phối bình thường)

Chế độ:-& nbsp; Nó được sử dụng khi dữ liệu của bạn bị sai lệch (tức là không được phân phối bình thường) chủ yếu được sử dụng để điền vào giá trị null phân loại.

fillna (giá trị, phương thức = (xông ffill

Phương thức = ‘ffill, -> Nó điền các giá trị null theo hướng chuyển tiếp

Phương thức = ‘Bfill, -> Nó lấp đầy các giá trị null theo hướng ngược

df= pd.Series([1, np.nan, 2, None, 3,None,4], index=list('abcdefg'))
print(df)

a    1.0
b    NaN
c    2.0
d    NaN
e    3.0
f    NaN
g    4.0
dtype: float64

#Fill NA values with zero.
df.fillna(0)

a    1.0
b    0.0
c    2.0
d    0.0
e    3.0
f    0.0
g    4.0
dtype: float64

#Fillthe value using forward fill. In another word, NA value can fill a forward(next) number.
Example:-

	# forward-fill
data.fillna(method='ffill')
a    1.0
b    1.0
c    2.0
d    2.0
e    3.0
f    3.0
g    4.0
dtype: float64
	Another method is a back-fill to propagate the next values backward.
Example:-

# back-fill
data.fillna(method='bfill')
a    1.0
b    2.0
c    2.0
d    3.0
e    3.0
f    4.0
g    4.0
dtype: float64

Similarly, ffill and bfill apply on DataFrame. 
So, Create DataFrame.

Example:-

df = pd.DataFrame([[1,      np.nan, 2 , np.nan],
                   [3,      4,      5,np.nan],
                   [np.nan, 6,      7,np.nan],
                  ])
print(df)


print(df)



0
1
2
3
0
1.0
np.nan
2.0
np.nan
1
3.0
4.0
5.0
np.nan
2
np.nan
6.0
7.0
np.nan

#ffill
df.fillna(method='ffill', axis=1)




0
1
2
3
0
1.0
1.0
2.0
2.0
1
3.0
4.0
5.0
5.0
2
np.nan
6.0
7.0
7.0

Note: if a previous value is not available during a forward fill, the NA value remains.

AXIS = 0 -> FILL giá trị null theo các cột

Widget not in any sidebars

Widget not in any sidebars

trục & nbsp; = 1 điền các giá trị null theo hàng

Widget not in any sidebars

Ví dụ:'

Điền vào giá trị null bằng cách sử dụng giá trị trung bình của một cột cụ thể

Output:-

Widget not in any sidebars

Truyền tên biến giá trị trung bình vào hàm fillna () để lấp đầy giá trị null bằng cách sử dụng giá trị trung bình của các cột cụ thể đó

Widget not in any sidebars

df [4] .fillna (mean_value, inplace = true) & nbsp; # Inplace = Đúng cho thay đổi ban đầu trong DataFrame

DF

Làm thế nào để bạn sửa các giá trị null?

Làm thế nào để bạn đặt một giá trị thành null trong Python?

Làm thế nào để bạn xử lý các giá trị bị thiếu trong Python?

Giá trị null trong Python là gì?