Fehlende Werte in pandas behandeln
Fehlende Werte entstehen durch unvollständige Quellen, fehlerhafte Erfassung oder nicht interpretierbare Eingaben.
Was ist Fehlende Werte in pandas behandeln?
Fehlende Werte entstehen durch unvollständige Quellen, fehlerhafte Erfassung oder nicht interpretierbare Eingaben.
Erkenne und ersetze fehlende DataFrame-Werte.
Wann wird dieser Ansatz verwendet?
- Tabellarische Daten einlesen, bereinigen und umformen.
- Daten aus CSV-Dateien, APIs und Datenbanken analysieren.
- Berichte und statistische Auswertungen erstellen.
Beispielcode
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)Erwartete Ausgabe
name score
0 Ada 95.0
1 Lin 90.0
2 Sam 85.0So funktioniert es
Der Median wird aus vorhandenen Werten berechnet und ersetzt NaN. Vor dem Füllen sollte fachlich geprüft werden, ob Löschen, Imputation oder Kennzeichnung sinnvoll ist.
Ändere die Werte und führe das Programm im CodeUtility Python Online-Compiler aus, ohne Python lokal zu installieren.
Übungsaufgaben
Verändere Eingaben und Randfälle, bevor du die Lösung mit größeren Datenmengen testest.
- Ergänze Zeilen, Spalten und fehlende Werte.
- Kombiniere Filtern, Sortieren und groupby in einer Auswertung.
- Lies eine reale Datei ein und überprüfe die Datentypen.