Analysera mängden saknade värden

Hantera saknade värden i Python

Suraj Donthi

Deep Learning & Computer Vision Consultant

Läs in Air Quality-datasetet

Air Quality-datasetet

innehåller sensordata för ozon, sol, temperatur och vind

df_air = pd.read_csv('air-quality.csv', 
                            parse_dates=['Date'], 
                            index_col='Date')

df_air.head()

              Ozone  Solar  Wind  Temp
Date                                
1976-05-01   41.0  190.0   7.4    67
1976-05-02   36.0  118.0   8.0    72
1976-05-03   12.0  149.0  12.6    74
1976-05-04   18.0  313.0  11.5    62
1976-05-05    NaN    NaN  14.3    56

Nullity DataFrame

Använd metoden .isnull() eller .isna() på DataFrame

airquality_nullity = airquality.isnull()
airquality_nullity.head()

            Ozone  Solar   Wind   Temp
Date                                  
1976-05-01  False  False  False  False
1976-05-02  False  False  False  False
1976-05-03  False  False  False  False
1976-05-04  False  False  False  False
1976-05-05   True   True  False  False

Totalt antal saknade värden

airquality_nullity.sum()

Ozone    37
Solar     7
Wind      0
Temp      0
dtype: int64

Andel saknade värden

airquality_nullity.mean() * 100

Ozone    24.183007
Solar     4.575163
Wind      0.000000
Temp      0.000000
dtype: float64

Nullity-stapeldiagram

Missingno-paketet

Paket för grafisk analys av saknade värden

import missingno as msno

msno.bar(airquality)

Stapeldiagram över saknade värden i Air Quality-datasetet

Nullity-matris

msno.matrix(airquality)

Nullity-matris för Air Quality-datasetet

Nullity-matris

msno.matrix(airquality)

Nullity-matris för Air Quality-datasetet

Nullity-matris

msno.matrix(airquality)

Nullity-matris för Air Quality-datasetet

Nullity-matris

msno.matrix(airquality)

Nullity-matris för Air Quality-datasetet

Nullity-matris för tidsseriedata

msno.matrix(airquality, freq='M')

Nullity-matris med månadsfrekvens för Air Quality-datasetet

Nullity-matris för tidsseriedata

msno.matrix(airquality, freq='M')

Nullity-matris med månadsfrekvens för Air Quality-datasetet

Finjustera matrisen

msno.matrix(airquality.loc['May-1976': 'Jul-1976'], freq='M')

Nullity-matris med månadsfrekvens för Air Quality-datasetet

Sammanfattning

I den här lektionen lärde vi oss att analysera

mängden saknade värden numeriskt
mängden saknade värden grafiskt
andelen saknade värden
nullity-matrisen för vanliga datamängder
nullity-matrisen för tidsseriedatamängder

Nu kör vi en övning!

Hantera saknade värden i Python