Pourquoi y a-t-il des valeurs manquantes ?
Feature engineering pour le Machine Learning en Python
Robert O'Callaghan
Director of Data Science, Ordergroove
Comment apparaissent les lacunes dans les données
- Données mal collectées
- Erreurs de collecte ou de gestion
- Données volontairement omises
- Créées par des transformations des données
Pourquoi est-ce important ?
- Certains modèles ne gèrent pas les données manquantes (Null/NaN)
- Les manques peuvent révéler un problème de données plus large
- Les données manquantes peuvent être une caractéristique utile
Détecter les valeurs manquantes
print(df.info())
<class 'pandas.core.frame.DataFrame'>
RangeIndex: 999 entries, 0 to 998
Data columns (total 12 columns):
# Column Non-Null Count Dtype
-- ------ -------------- -----
0 SurveyDate 999 non-null object
... ... ... ...
8 StackOverflowJobsRecommend 487 non-null float64
9 VersionControl 999 non-null object
10 Gender 693 non-null object
11 RawSalary 665 non-null object
dtypes: float64(2), int64(2), object(8)
memory usage: 93.7+ KB
Identifier les valeurs manquantes
print(df.isnull())
StackOverflowJobsRecommend VersionControl ... \
0 True False ...
1 False False ...
2 False False ...
3 True False ...
4 False False ...
Gender RawSalary
0 False True
1 False False
2 True True
3 False False
4 False False
Identifier les valeurs manquantes
print(df['StackOverflowJobsRecommend'].isnull().sum())
512
Identifier les valeurs non manquantes
print(df.notnull())
StackOverflowJobsRecommend VersionControl ... \
0 False True ...
1 True True ...
2 True True ...
3 False True ...
4 True True ...
Gender RawSalary
0 True False
1 True True
2 False False
3 True True
4 True True
À vous de trouver les valeurs manquantes !
Feature engineering pour le Machine Learning en Python
