Pandy - Čištění dat
Čištění dat
Čištění dat znamená opravu špatných dat ve vaší datové sadě.
Špatná data mohou být:
- Prázdné buňky
- Data ve špatném formátu
- Špatná data
- Duplikáty
V tomto tutoriálu se naučíte, jak se se všemi vypořádat.
Náš soubor dat
V dalších kapitolách budeme používat tento soubor dat:
Duration Date Pulse Maxpulse Calories
0 60 '2020/12/01' 110 130 409.1
1 60 '2020/12/02' 117 145 479.0
2 60 '2020/12/03' 103 135 340.0
3 45 '2020/12/04' 109 175 282.4
4 45 '2020/12/05' 117 148 406.0
5 60 '2020/12/06' 102 127 300.0
6 60 '2020/12/07' 110 136 374.0
7 450 '2020/12/08' 104 134 253.3
8 30 '2020/12/09' 109 133 195.1
9 60 '2020/12/10' 98 124 269.0
10 60 '2020/12/11' 103 147 329.3
11 60 '2020/12/12' 100 120 250.7
12 60 '2020/12/12' 100 120 250.7
13 60 '2020/12/13' 106 128 345.3
14 60 '2020/12/14' 104 132 379.3
15 60 '2020/12/15' 98 123 275.0
16 60 '2020/12/16' 98 120 215.2
17 60 '2020/12/17' 100 120 300.0
18 45 '2020/12/18' 90 112 NaN
19 60 '2020/12/19' 103 123 323.0
20 45 '2020/12/20' 97 125 243.0
21 60 '2020/12/21' 108 131 364.2
22 45 NaN 100 119 282.0
23 60 '2020/12/23' 130 101 300.0
24 45 '2020/12/24' 105 132 246.0
25 60 '2020/12/25' 102 126 334.5
26 60 2020/12/26 100 120 250.0
27 60 '2020/12/27' 92 118 241.0
28 60 '2020/12/28' 103 132 NaN
29 60 '2020/12/29' 100 132 280.0
30 60 '2020/12/30' 102 129 380.3
31 60 '2020/12/31' 92 115 243.0
Sada dat obsahuje několik prázdných buněk ("Datum" na řádku 22 a "Kalorie" na řádku 18 a 28).
Soubor dat obsahuje nesprávný formát ("Datum" v řádku 26).
Datová sada obsahuje nesprávná data ("Duration" v řádku 7).
Soubor dat obsahuje duplikáty (řádek 11 a 12).
Získejte certifikaci!
Dokončete moduly Pandas, proveďte cvičení, udělejte zkoušku a získáte certifikaci w3schools!
10 $ ZÁPIS