Noto‘g‘ri ma’lumotlarni tozalash
Noto‘g‘ri ma’lumotlar
"Noto‘g‘ri ma’lumotlar" albatta "bo‘sh kataklar" yoki "noto‘g‘ri format" bo‘lishi shart emas — ular shunchaki xato bo‘lishi mumkin, masalan, kimdir "1.99" o‘rniga "199" deb kiritib qo‘ygan bo‘lsa.
Ba’zan ma’lumotlar to‘plamiga qarab, noto‘g‘ri ma’lumotlarni payqash mumkin, chunki ular qanday bo‘lishi kerakligini taxminan bilasiz.
Ma’lumotlar to‘plamimizga qarasangiz, 7-qatorda davomiylik 450 ekanini, boshqa barcha qatorlarda esa davomiylik 30 dan 60 gacha ekanini ko‘rasiz.
Bu albatta xato bo‘lishi shart emas, ammo bu kimningdir mashg‘ulotlari haqidagi ma’lumotlar to‘plami ekanini hisobga olsak, bu odam 450 daqiqa mashq qilmagan degan xulosaga kelamiz.
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 20201226 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
7-qatordagi "Duration" qiymati kabi noto‘g‘ri qiymatlarni qanday tuzatish mumkin?
Qiymatlarni almashtirish
Noto‘g‘ri qiymatlarni tuzatishning bir usuli — ularni boshqa qiymat bilan almashtirish.
Bizning misolimizda bu, ehtimol, yozishdagi xato va qiymat "450" emas, "45" bo‘lishi kerak. Shuning uchun 7-qatorga shunchaki "45" qiymatini yozib qo‘yishimiz mumkin:
Misol
7-qatorda "Duration" = 45 qilib belgilang:
df.loc[7, 'Duration'] = 45
O‘zingiz sinab ko‘ring »
Kichik ma’lumotlar to‘plamlarida noto‘g‘ri ma’lumotlarni birma-bir almashtirish mumkin, lekin katta to‘plamlarda bunday qilib bo‘lmaydi.
Kattaroq ma’lumotlar to‘plamlarida noto‘g‘ri ma’lumotlarni almashtirish uchun ma’lum qoidalar yaratishingiz mumkin, masalan, ruxsat etilgan qiymatlar uchun chegaralar belgilab, shu chegaralardan tashqaridagi barcha qiymatlarni almashtirish.
Misol
"Duration" ustunidagi barcha qiymatlarni sikl orqali ko‘rib chiqing.
Agar qiymat 120 dan katta bo‘lsa, uni 120 ga teng qilib belgilang:
for x in df.index:
if df.loc[x, "Duration"] > 120:
df.loc[x, "Duration"] = 120
O‘zingiz sinab ko‘ring »
Qatorlarni o‘chirish
Noto‘g‘ri ma’lumotlar bilan ishlashning yana bir usuli — noto‘g‘ri ma’lumotli qatorlarni o‘chirib tashlash.
Shunda ularni nima bilan almashtirishni o‘ylab o‘tirishingiz shart emas, qolaversa, tahlil uchun ular sizga kerak bo‘lmasligi ehtimoli katta.
Misol
"Duration" qiymati 120 dan katta bo‘lgan qatorlarni o‘chiring:
for x in df.index:
if df.loc[x, "Duration"] > 120:
df.drop(x, inplace = True)
O‘zingiz sinab ko‘ring »
W3Schools Pathfinder
Yutuqlaringizni kuzating – bu bepul!