The Python Tutorial¶
Время от времени мы сталкиваемся с ситуациями, когда мы чувствуем необходимость разделить и проверять данные против отсутствующих значений, в этой точке функции NOTNA () можно использовать.
Python ISNA () и NOTNA () Функции для предварительной обработки данных
Здравствуйте, читатели! В этой статье мы будем сосредоточиться на Python ISNA () и NOTNA () Функции для предварительной обработки данных , в деталях.
Итак, давайте начнем !! ��.
Актуальность Python в предварительной обработке данных
Python предлагает нам огромное количество модулей и встроенных функций для решения данных. В области науки о данных, предварительная обработка данных играет жизненно важную роль. Это процесс очистки данных и делает его доступным для использования и обработки. Этим, мы понимаем данные намного лучше, а также позволяет нам устранить нежелательные значения из данных.
Необработанные данные содержат различные формы элементов, поскольку они, кажется, являются результатом опросов, исторических данных и т. Д. Для того, чтобы выровнять данные в понявном формате, нам нужны функции для лечения данных.
Одним из таких важных аспектов в предварительно обработке данных является отсутствующий анализ значения. Что касается отсутствующего анализа ценностей, мы склонны проверять наличие отсутствующих или нулевых значений, и мы либо относимся к ним, либо исключаем их из набора данных, поскольку он вызывает неравномерное распределение данных.
Когда дело доходит до начальной очистки и отсутствующего анализа данных, модуль Python Pandas предлагает нам две важные функции для того же
В контексте концепции этой темы мы подробно посмотрим на вышеуказанные функции. На то же, мы будем использовать набор данных прогнозирования проката велосипеда в предстоящих примерах.
Вы можете найти набор данных здесь !
1. Функция Python ISNA ()
На начальных этапах предварительной обработки данных и отсутствующего анализа стоимости, функция Python ISNA () приходит к нашему спасению, чтобы передать нам недостающие данные значения.
То есть с функцией isna () мы можем легко обнаружить наличие отсутствующего значения, которое является значением NULL или NA от всего набора данных. Это логическая функция, которая возвращается только в том случае, если набор данных состоит из пропущенных значений.
Таким образом, для быстрой и легкой проверки предварительной обработки, функция ISNA () может быть использована для того, чтобы помочь нам иметь представление о пропущенных значениях в наборе данных.
pandas.dataframe.isna()
import pandas data = pandas.read_csv("bike.csv") data.isna()
Как ясно видно ниже функция ISNA () проверяет наличие отсутствующего значения на каждом элементе и возвращает false в качестве результата. Это означает, что набор данных свободен от пропущенных значений.
2. Функция Python Notna ()
Напротив функции ISNA () функция Python Notna () является быстрым и простым способом для представления этих элементов данных, которые не имеют недостающих значений в них.
Время от времени мы сталкиваемся с ситуациями, когда мы чувствуем необходимость разделить и проверять данные против отсутствующих значений, в этой точке функции NOTNA () можно использовать.
Функция NOTNA () – это логическая функция, которая возвращает только правда, и только в том случае, если переменная данных не занимает ноль или отсутствующих данных.
pandas.dataframe.notna()
import pandas data = pandas.read_csv("bike.csv") data.notna()
Как видно ниже функция NOTNA () возвращает true, поскольку она не содержит отсутствующих значений.
Заключение
По этому, мы подошли к концу этой темы. Не стесняйтесь комментировать ниже, если вы столкнетесь с любым вопросом.
Для более таких постов, связанных с программированием Python, оставайся настроенными нами.
До этого, счастливого обучения !! ��.
Читайте ещё по теме:
- CV2 Normalize() в Python Объясняется Примерами
- NumPy log Function() | Что такое Numpy log в Python
- Как получить уникальные значения из DataFrame в Python?
- Использование функции ID () в Python
- Функция Python loc () – Извлечение значений из набора данных
- Векторизация Numpy
- Функция Python numpy.reshape()
- Метки article, function, isna, python
The Python Tutorial¶
Python is an easy to learn, powerful programming language. It has efficient high-level data structures and a simple but effective approach to object-oriented programming. Python’s elegant syntax and dynamic typing, together with its interpreted nature, make it an ideal language for scripting and rapid application development in many areas on most platforms.
The Python interpreter and the extensive standard library are freely available in source or binary form for all major platforms from the Python Web site, https://www.python.org/, and may be freely distributed. The same site also contains distributions of and pointers to many free third party Python modules, programs and tools, and additional documentation.
The Python interpreter is easily extended with new functions and data types implemented in C or C++ (or other languages callable from C). Python is also suitable as an extension language for customizable applications.
This tutorial introduces the reader informally to the basic concepts and features of the Python language and system. It helps to have a Python interpreter handy for hands-on experience, but all examples are self-contained, so the tutorial can be read off-line as well.
For a description of standard objects and modules, see The Python Standard Library . The Python Language Reference gives a more formal definition of the language. To write extensions in C or C++, read Extending and Embedding the Python Interpreter and Python/C API Reference Manual . There are also several books covering Python in depth.
This tutorial does not attempt to be comprehensive and cover every single feature, or even every commonly used feature. Instead, it introduces many of Python’s most noteworthy features, and will give you a good idea of the language’s flavor and style. After reading it, you will be able to read and write Python modules and programs, and you will be ready to learn more about the various Python library modules described in The Python Standard Library .
The Glossary is also worth going through.
- 1. Whetting Your Appetite
- 2. Using the Python Interpreter
- 2.1. Invoking the Interpreter
- 2.1.1. Argument Passing
- 2.1.2. Interactive Mode
- 2.2.1. Source Code Encoding
- 3.1. Using Python as a Calculator
- 3.1.1. Numbers
- 3.1.2. Strings
- 3.1.3. Lists
- 4.1. if Statements
- 4.2. for Statements
- 4.3. The range() Function
- 4.4. break and continue Statements, and else Clauses on Loops
- 4.5. pass Statements
- 4.6. Defining Functions
- 4.7. More on Defining Functions
- 4.7.1. Default Argument Values
- 4.7.2. Keyword Arguments
- 4.7.3. Arbitrary Argument Lists
- 4.7.4. Unpacking Argument Lists
- 4.7.5. Lambda Expressions
- 4.7.6. Documentation Strings
- 4.7.7. Function Annotations
- 5.1. More on Lists
- 5.1.1. Using Lists as Stacks
- 5.1.2. Using Lists as Queues
- 5.1.3. List Comprehensions
- 5.1.4. Nested List Comprehensions
- 6.1. More on Modules
- 6.1.1. Executing modules as scripts
- 6.1.2. The Module Search Path
- 6.1.3. “Compiled” Python files
- 6.4.1. Importing * From a Package
- 6.4.2. Intra-package References
- 6.4.3. Packages in Multiple Directories
- 7.1. Fancier Output Formatting
- 7.1.1. Formatted String Literals
- 7.1.2. The String format() Method
- 7.1.3. Manual String Formatting
- 7.1.4. Old string formatting
- 7.2.1. Methods of File Objects
- 7.2.2. Saving structured data with json
- 8.1. Syntax Errors
- 8.2. Exceptions
- 8.3. Handling Exceptions
- 8.4. Raising Exceptions
- 8.5. User-defined Exceptions
- 8.6. Defining Clean-up Actions
- 8.7. Predefined Clean-up Actions
- 9.1. A Word About Names and Objects
- 9.2. Python Scopes and Namespaces
- 9.2.1. Scopes and Namespaces Example
- 9.3.1. Class Definition Syntax
- 9.3.2. Class Objects
- 9.3.3. Instance Objects
- 9.3.4. Method Objects
- 9.3.5. Class and Instance Variables
- 9.5.1. Multiple Inheritance
- 10.1. Operating System Interface
- 10.2. File Wildcards
- 10.3. Command Line Arguments
- 10.4. Error Output Redirection and Program Termination
- 10.5. String Pattern Matching
- 10.6. Mathematics
- 10.7. Internet Access
- 10.8. Dates and Times
- 10.9. Data Compression
- 10.10. Performance Measurement
- 10.11. Quality Control
- 10.12. Batteries Included
- 11.1. Output Formatting
- 11.2. Templating
- 11.3. Working with Binary Data Record Layouts
- 11.4. Multi-threading
- 11.5. Logging
- 11.6. Weak References
- 11.7. Tools for Working with Lists
- 11.8. Decimal Floating Point Arithmetic
- 12.1. Introduction
- 12.2. Creating Virtual Environments
- 12.3. Managing Packages with pip
- 14.1. Tab Completion and History Editing
- 14.2. Alternatives to the Interactive Interpreter
- 15.1. Representation Error
- 16.1. Interactive Mode
- 16.1.1. Error Handling
- 16.1.2. Executable Python Scripts
- 16.1.3. The Interactive Startup File
- 16.1.4. The Customization Modules
21 марта стартуют занятия на курсе «Python с нуля»
21 марта 2023 года стартует практический курс «Хакера» — «Python с нуля», направленный на изучение основ и базовых концепций программирования на Python. Курс будет полезен как будущим веб-разработчикам, так и начинающими пентестерам.
Начав с базовых знаний по Python, ученики смогут углубиться в изучение фреймворков Django или Flask, а умение писать скрипты, автоматизирующие эксплуатацию уязвимостей, и вовсе пригодится любому ИБ-специалисту.
На курсе ты научишься:
- основам программирования на Python;
- работе с файлами, JSON, базами данных SQLite3;
- созданию веб-сервисов на Flask;
- разработке Telegram-ботов;
- написанию парсеров сайтов;
- созданию графических интерфейсов на PyQt.
Ведущий курса — Иван Сараев, профессиональный преподаватель информатики, ведущий YouTube-канала «Видеоуроки Python» и автор серии статей «Python с абсолютного нуля». C 2016 года Иван разрабатывает на Python веб-сайты и коммерческие продукты, связанные с обработкой естественного языка, а также работает над созданием голосовых ассистентов.
Статьи
С опубликованными статьями Ивана ты можешь ознакомиться по ссылкам. Это не является обязательным условием для записи на курс или вебинар, но статьи полезные.
- Урок 1: Переменные, типы данных, условия и циклы
- Урок 2: Строки, файлы, исключения и работа с интернетом
- Урок 3: Файловая система, регулярные выражения, функции
- Питоном по телеграму! Пишем пять простых Telegram-ботов на Python
Перед началом занятий предлагаем ознакомиться с записью пробного вебинара (код для доступа: @0gg=4&C), прошедшего на прошлой неделе. Так ты сможешь получить представление о том, как будут проходить занятия, и понять, подходят ли тебе именно этот преподаватель и программа.
Полная стоимость обучения составит 18 000 рублей, но подписчики «Хакера» могут записаться на занятия со скидкой до 50%.
Если у тебя остались вопросы, присоединяйся к нашему чату в Telegram. Также можешь писать нам на почту: dafna@glc.ru.
- 2.1. Invoking the Interpreter
Comments are closed, but trackbacks and pingbacks are open.