Обработка пропусков в pandas
Пропуски возникают из неполных источников и ошибок сбора.
Что такое Обработка пропусков в pandas?
Пропуски возникают из неполных источников и ошибок сбора.
Найдите и замените отсутствующие значения.
Когда это использовать?
- Читать и очищать табличные данные.
- Анализировать CSV, API и базы данных.
- Готовить отчёты и статистику.
Пример кода
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)Ожидаемый результат
name score
0 Ada 95.0
1 Lin 90.0
2 Sam 85.0Как это работает
Медиана заменяет NaN; удаление или заполнение выбирается по смыслу данных.
Измените значения и запустите программу в онлайн-компиляторе Python CodeUtility без локальной установки Python.
Практические задания
Изменяйте входные данные и проверяйте граничные случаи перед работой с большими наборами.
- Добавьте строки, столбцы и пропуски.
- Объедините фильтрацию, сортировку и groupby.
- Загрузите реальный файл и проверьте dtype.