pandas online ausführen

Fehlende Daten in pandas behandeln

In dieser Lektion findest du fehlende Werte (NaN) in einem DataFrame und ersetzt sie durch den Median der Spalte.

  • Fortgeschritten
  • 2 Min. Lesezeit
  • 1 ausführbares Beispiel

Einführung

Das Problem

Echte Daten haben Lücken: eine unbeantwortete Umfragefrage, ein Sensor, der einen Messwert verpasst hat, eine leer gelassene Zelle. Viele Berechnungen scheitern oder liefern irreführende Antworten, wenn die Lücken ignoriert werden. Du musst sie also finden und entscheiden, was du tust.

Stell es dir so vor

Fehlende Werte zu behandeln ist wie bei einer Lehrerin, deren Notenbuch eine leere Zelle hat. Sie kann den Schüler weglassen oder die Zelle mit einer fairen Schätzung füllen, etwa der mittleren Note der Klasse. So oder so trifft sie die Entscheidung bewusst.

Von der leeren Notenbuchzelle zum Code
np.nan⬜ Die leere Zelle
students["score"].median()📏 Eine faire Schätzung: die mittlere Punktzahl, 90
.fillna(...)🖊️ Die leere Zelle damit füllen
students["score"] = ...💾 Die gefüllte Spalte zurückspeichern
Lücken finden, dann bewusst füllen oder entfernen.
In einem Satz

Fehlende Werte sind Zellen ohne Daten, angezeigt als NaN. Du kannst sie mit einem Wert wie dem Median füllen oder die Zeilen entfernen, die sie enthalten.

Das Wichtigste

  1. np.nan markiert die Punktzahl von Lin als fehlend.
  2. students["score"].median() ignoriert die Lücke und liefert 90.0, die Mitte zwischen 95 und 85.
  3. .fillna(...) ersetzt die Lücke durch diesen Wert.
  4. Die Zuweisung zurück an students["score"] behält die Änderung; die Spalte wird zu float, weil NaN ein float ist.

Wann verwendet man das?

  • Umfrage-, Sensor- und Formulardaten vor der Analyse bereinigen.
  • Lücken mit einem typischen Wert füllen, damit Berechnungen laufen können.
  • Lücken mit isna().sum() zählen, um die Datenqualität einzuschätzen.

Wann du es nicht brauchst

  • Die meisten Werte einer Spalte fehlen: Sie aufzufüllen erfindet Daten; überlege, die Spalte zu entfernen.
  • Dass ein Wert fehlt, ist selbst wichtig: Lege vor dem Füllen eine eigene True/False-Spalte an.

Beispielcode

Code ausführen →
main.py
import pandas as pd
import numpy as np

students = pd.DataFrame({"name": ["Ada", "Lin", "Sam"], "score": [95, np.nan, 85]})
students["score"] = students["score"].fillna(students["score"].median())

print(students)
Run-Button für dieses Beispiel erstellen

Ergebnis der Ausführung

name  score
0  Ada   95.0
1  Lin   90.0
2  Sam   85.0

Erklärung des Codes

Der Median wird aus den vorhandenen Punktzahlen 95 und 85 berechnet und beträgt 90. Die Methode fillna() ersetzt das NaN von Lin durch 90. Das Ergebnis wird der Spalte score wieder zugewiesen, damit die Änderung im DataFrame gespeichert wird. Der Median statt des Mittelwerts macht das Ergebnis unempfindlicher gegenüber sehr großen oder sehr kleinen Werten.

Ändere die Werte und führe das Programm im CodeUtility Python Online-Compiler aus, ohne Python lokal zu installieren.

Übungen zur Vertiefung

Ändere den Code anhand der folgenden Vorschläge. Wenn du selbst etwas änderst und das Ergebnis beobachtest, verstehst du viel mehr, als wenn du den Code nur liest.

  1. Füge den Beispieldaten Zeilen, Spalten und ein paar fehlende Werte hinzu.
  2. Kombiniere Filtern, Sortieren und groupby zu einem kleinen Bericht.
  3. Lies eine echte Datendatei ein, prüfe den Datentyp jeder Spalte und behandle ungültige Werte.
Im Python-Compiler ausführen →

Häufige Fehler

Das Ergebnis nicht speichern

fillna liefert eine neue Series; ohne Zuweisung ändert sich nichts.

Problem
students["score"].fillna(students["score"].median())
Lösung
students["score"] = students["score"].fillna(students["score"].median())

Lektion fertig?

Markiere sie als gelernt, um deinen Fortschritt zu verfolgen.