pandas में Missing Values संभालना
अपूर्ण sources या collection errors के कारण values missing हो सकती हैं।
pandas में Missing Values संभालना क्या है?
अपूर्ण sources या collection errors के कारण values missing हो सकती हैं।
Missing data पहचानें और भरें।
इसका उपयोग कब करें?
- Tabular data पढ़ें और साफ करें।
- CSV, API और database data का विश्लेषण करें।
- Reports और statistics तैयार करें।
उदाहरण कोड
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)अपेक्षित आउटपुट
name score
0 Ada 95.0
1 Lin 90.0
2 Sam 85.0यह कैसे काम करता है
Median से NaN भरा जाता है; rows drop करना या values impute करना data के अर्थ पर निर्भर है।
मान बदलें और Python इंस्टॉल किए बिना CodeUtility ऑनलाइन Python कंपाइलर में प्रोग्राम चलाएँ।
अभ्यास के कार्य
बड़े dataset पर जाने से पहले input बदलें और edge cases की जाँच करें।
- Rows, columns और missing values जोड़ें।
- Filtering, sorting और groupby को साथ प्रयोग करें।
- वास्तविक file पढ़ें और dtype जाँचें।