Executar pandas online

Tratar dados ausentes no pandas

Nesta lição, você vai encontrar valores ausentes (NaN) em um DataFrame e substituí-los pela mediana da coluna.

  • Intermediário
  • 2 min de leitura
  • 1 exemplo executável

Introdução

O problema

Dados reais têm lacunas: uma pergunta de pesquisa sem resposta, um sensor que perdeu uma leitura, uma célula deixada vazia. Muitos cálculos quebram ou dão respostas enganosas se as lacunas forem ignoradas, então você precisa encontrá-las e decidir o que fazer.

Pense assim

Tratar valores ausentes é como um professor cujo diário de notas tem uma célula vazia. Ele pode deixar o aluno de fora, ou preencher a célula com uma estimativa justa, como a nota do meio da turma. De um jeito ou de outro, ele decide de propósito.

Da célula vazia no diário ao código
np.nan⬜ A célula vazia
students["score"].median()📏 Uma estimativa justa: a nota do meio, 90
.fillna(...)🖊️ Preencha a célula vazia com ela
students["score"] = ...💾 Guarde de volta a coluna preenchida
Encontre as lacunas e depois preencha ou remova de propósito.
Em uma frase

Valores ausentes são células sem dados, mostradas como NaN. Você pode preenchê-las com um valor como a mediana, ou remover as linhas que as contêm.

Pontos-chave

  1. np.nan marca a nota de Lin como ausente.
  2. students["score"].median() ignora a lacuna e devolve 90.0, o meio entre 95 e 85.
  3. .fillna(...) troca a lacuna por esse valor.
  4. Atribuir de volta a students["score"] mantém a mudança. A coluna vira float porque NaN é um float.

Quando usar?

  • Limpar dados de pesquisas, sensores e formulários antes da análise.
  • Preencher lacunas com um valor típico para os cálculos poderem rodar.
  • Contar lacunas com isna().sum() para julgar a qualidade dos dados.

Quando não é preciso

  • A maioria dos valores de uma coluna está ausente: preencher seria inventar dados. Pense em remover a coluna.
  • O fato de um valor estar ausente é importante por si só: guarde uma coluna separada de True/False antes de preencher.

Código de exemplo

Executar código →
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)
Gerar um botão Run para este exemplo

Resultado da execução

name  score
0  Ada   95.0
1  Lin   90.0
2  Sam   85.0

Explicação do código

A mediana é calculada com as notas disponíveis, 95 e 85, e dá 90. O método fillna() substitui o NaN de Lin por 90. O resultado é atribuído de volta à coluna score para que a mudança fique salva no DataFrame. Usar a mediana em vez da média deixa o resultado menos sensível a valores muito altos ou muito baixos.

Altere os valores e execute o programa no compilador Python online CodeUtility sem instalar Python.

Exercícios práticos

Tente modificar o código seguindo as sugestões abaixo. Mudar o código e observar o resultado ajuda você a entender muito mais do que só ler.

  1. Adicione linhas, colunas e alguns valores ausentes aos dados de exemplo.
  2. Combine filtro, ordenação e groupby para montar um pequeno relatório.
  3. Leia um arquivo de dados real, confira o tipo de cada coluna e trate os valores inválidos.
Executar no compilador Python →

Erros comuns

Não guardar o resultado

fillna devolve uma nova Series. Se você não a atribuir, nada muda.

Problema
students["score"].fillna(students["score"].median())
Correção
students["score"] = students["score"].fillna(students["score"].median())

Terminou esta lição?

Marque como aprendida para acompanhar seu progresso.