Computer >> कंप्यूटर >  >> प्रोग्रामिंग >> Python

पायथन पंडों - नल का उपयोग करके अशक्त मूल्यों की जाँच करें ()

notnull() विधि एक बूलियन मान लौटाती है, यानी यदि डेटाफ़्रेम में शून्य मान है, तो गलत लौटाया जाता है, अन्यथा सही।

मान लें कि कुछ NaN यानी शून्य मानों वाली हमारी CSV फ़ाइल निम्नलिखित है -

पायथन पंडों - नल का उपयोग करके अशक्त मूल्यों की जाँच करें ()

आइए सबसे पहले CSV फ़ाइल पढ़ें -

dataFrame = pd.read_csv("C:\\Users\\amit_\\Desktop\\CarRecords.csv")

शून्य मानों के लिए जाँच कर रहा है -

res = dataFrame.notnull()

अब, डेटाफ़्रेम प्रदर्शित करने पर, CSV डेटा सही और गलत यानी बूलियन मानों के रूप में प्रदर्शित होगा क्योंकि notnull() बूलियन लौटाता है। शून्य मानों के लिए, गलत प्रदर्शित होगा। नॉट-नल मानों के लिए, ट्रू प्रदर्शित होगा।

उदाहरण

पूरा कोड निम्नलिखित है -

import pandas as pd

# reading csv file
dataFrame = pd.read_csv("C:\\Users\\amit_\\Desktop\\CarRecords.csv")
print("DataFrame...\n",dataFrame)

# count the rows and columns in a DataFrame
print("\nNumber of rows and column in our DataFrame = ",dataFrame.shape)

res = dataFrame.notnull()
print("\nDataFrame displaying False for Null (NaN) value = \n",res)

dataFrame = dataFrame.dropna()
print("\nDataFrame after removing null values...\n",dataFrame)
print("\n(Updated) Number of rows and column in our DataFrame = ",dataFrame.shape)

आउटपुट

यह निम्नलिखित आउटपुट उत्पन्न करेगा -

DataFrame...
           Car       Place   UnitsSold
0         Audi   Bangalore        80.0
1      Porsche      Mumbai       110.0
2   RollsRoyce        Pune         NaN
3          BMW       Delhi       200.0
4     Mercedes   Hyderabad        80.0
5  Lamborghini  Chandigarh         NaN
6         Audi      Mumbai         NaN
7     Mercedes        Pune       120.0
8  Lamborghini       Delhi       100.0

Number of rows and column in our DataFrame = (9, 3)

DataFrame displaying False for Null values =
    Car   Place   UnitsSold
0  True    True        True
1  True    True        True
2  True    True       False
3  True    True        True
4  True    True        True
5  True    True       False
6  True    True       False
7  True    True        True
8  True    True        True

DataFrame after removing null values...
           Car      Place   UnitsSold
0         Audi  Bangalore        80.0
1      Porsche     Mumbai       110.0
3          BMW      Delhi       200.0
4     Mercedes  Hyderabad        80.0
7     Mercedes       Pune       120.0
8  Lamborghini      Delhi       100.0

(Updated)Number of rows and column in our DataFrame = (6, 3)

  1. पायथन - पांडस डेटाफ्रेम के लिए एक स्कैटर प्लॉट बनाएं

    स्कैटर प्लॉट एक डेटा विज़ुअलाइज़ेशन तकनीक है। स्कैटर प्लॉट को प्लॉट करने के लिए प्लॉट.स्कैटर () का उपयोग करें। सबसे पहले, आइए आवश्यक पुस्तकालयों को आयात करें - हमारे पास टीम रिकॉर्ड्स के साथ हमारा डेटा है। इसे पांडा डेटाफ़्रेम में सेट करें - data = [["Australia", 2500],["Bangladesh&q

  1. पायथन पांडा - एक प्रक्षेप विधि का उपयोग करके NaN मान भरें

    NaN मान भरने के लिए इंटरपोलेट () विधि का उपयोग करें। मान लें कि Microsoft Excel में कुछ NaN मानों के साथ खोली गई हमारी CSV फ़ाइल निम्नलिखित है - CSV फ़ाइल से पंडों के डेटाफ़्रेम में डेटा लोड करें - dataFrame = pd.read_csv("C:\\Users\\amit_\\Desktop\\SalesData.csv") NaN मानों को इंटरपोल

  1. पायथन पंडों - गैर-शून्य मूल्यों को पीछे की ओर प्रचारित करें

    “विधि . का प्रयोग करें फ़िलना . का पैरामीटर () तरीका। बैकवर्ड फिल के लिए, bfill . मान का उपयोग करें जैसा कि नीचे दिखाया गया है - fillna(method='bfill') मान लें कि Microsoft Excel में कुछ NaN मानों के साथ खोली गई हमारी CSV फ़ाइल निम्नलिखित है - सबसे पहले, आवश्यक पुस्तकालय आयात करें - impo