Pandas je široko korišćena biblioteka otvorenog koda za manipulaciju podacima za Python. Pruža strukture podataka i funkcije potrebne za efikasnu manipulaciju i analizu velikih skupova podataka. Jedan uobičajeni problem sa kojim se naučnici i analitičari podataka susreću dok koriste pande je rukovanje nedostajućim vrednostima u skupu podataka. U ovom članku ćemo istražiti kako izbrojati broj nedostajućih vrijednosti u pandas DataFrame-u koristeći različite tehnike, postupna objašnjenja koda i dublje ući u neke od biblioteka i funkcija uključenih u rješavanje ovog problema.
Brojanje vrijednosti koje nedostaju u Pandama
Za početak, moramo prvo uvesti biblioteku pandas. Ako ga još niste instalirali, jednostavno pokrenite naredbu `pip install pandas` u svom terminalu ili komandnoj liniji.
import pandas as pd
Nakon što uvezemo biblioteku pandas, napravimo uzorak DataFrame-a sa nedostajućim vrijednostima, koji ćemo koristiti u ovom članku da demonstriramo različite tehnike brojanja vrijednosti koje nedostaju.
data = {
'Name': ['Anna', 'Ben', 'Carla', None, 'Eva'],
'Age': [25, None, 30, 35, None],
'City': ['NY', 'LA', None, 'SF', 'LA']
}
df = pd.DataFrame(data)
U ovom primjeru imamo DataFrame sa tri kolone: Ime, Starost i Grad. Nedostaju neke vrijednosti, koje ćemo pronaći i izbrojati u sljedećem odjeljku.
Pronalaženje i brojanje vrijednosti koje nedostaju pomoću isnull() i sum()
Prva metoda za brojanje nedostajućih vrijednosti u pandas DataFrame-u je korištenje funkcije isnull() . Ova funkcija vraća DataFrame istog oblika kao i original, ali s vrijednostima True ili False koje pokazuju da li odgovarajući unos nedostaje (tj. sadrži None ili NaN) ili ne.
missing_values = df.isnull()
Sada imamo DataFrame istog oblika, s True vrijednostima koje označavaju nedostajuće unose. Da bismo prebrojali ove nedostajuće vrijednosti, možemo jednostavno koristiti funkciju sum() . Korištenjem iste preko DataFrame-a, možemo dobiti broj nedostajućih vrijednosti za svaku kolonu.
count_missing_values = df.isnull().sum()
Ovo će nam dati pandas seriju s brojem vrijednosti koje nedostaju za svaku kolonu u našem DataFrameu.
Alternativni pristup: korištenje isna() i sum()
Drugi pristup za brojanje nedostajućih vrijednosti u pandas DataFrame-u je korištenje funkcije isna() . To je alias za isnull() i radi na isti način.
count_missing_values = df.isna().sum()
Ovo će dati isti rezultat kao prethodni pristup, računajući broj vrijednosti koje nedostaju za svaku kolonu u našem DataFrameu.
Brojanje nedostajućih vrijednosti u cijelom okviru podataka
Ako želimo pronaći ukupan broj nedostajućih vrijednosti u cijelom DataFrame-u, možemo jednostavno povezati još jednu funkciju sum() nakon prve funkcije sum().
total_missing_values = df.isnull().sum().sum()
Ovo će vratiti ukupan broj vrijednosti koje nedostaju u cijelom DataFrameu.
Ukratko, rukovanje nedostajućim vrijednostima u pandama je ključni korak u fazi čišćenja i predobrade podataka. Korištenjem funkcija isnull() ili isna(), u kombinaciji s funkcijom sum(), možemo efikasno prebrojati broj vrijednosti koje nedostaju u našem DataFrameu, što olakšava rješavanje problema s podacima koji nedostaju u našoj analizi.
