Pandas - Daten bereinigen
Datenreinigung
Datenbereinigung bedeutet, fehlerhafte Daten in Ihrem Datensatz zu reparieren.
Schlechte Daten können sein:
- Leere Zellen
- Daten im falschen Format
- Falschen Daten
- Duplikate
In diesem Tutorial lernen Sie, wie Sie mit allen umgehen.
Unser Datensatz
In den nächsten Kapiteln werden wir diesen Datensatz verwenden:
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
Der Datensatz enthält einige leere Zellen ("Datum" in Zeile 22 und "Kalorien" in Zeile 18 und 28).
Der Datensatz enthält das falsche Format ("Datum" in Zeile 26).
Der Datensatz enthält falsche Daten ("Dauer" in Zeile 7).
Der Datensatz enthält Duplikate (Zeile 11 und 12).
Zertifiziert werden!
Absolvieren Sie die Pandas-Module, machen Sie die Übungen, machen Sie die Prüfung und Sie werden w3schools-zertifiziert!
$10 REGISTRIEREN