NaN adalah kependekan dari Bukan angka. Ini digunakan untuk mewakili entri yang tidak terdefinisi. Ini juga digunakan untuk mewakili nilai yang hilang dalam kumpulan data Show
Konsep NaN sudah ada bahkan sebelum Python dibuat. IEEE Standard for Floating-Point Arithmetic (IEEE 754) memperkenalkan NaN pada tahun 1985 NaN adalah nilai floating-point khusus yang tidak dapat dikonversi ke tipe lain selain float Dalam tutorial ini kita akan melihat bagaimana NaN bekerja di Pandas dan Numpy NaN di NumpyMari kita lihat bagaimana NaN bekerja di bawah Numpy. Untuk mengamati properti NaN, mari buat array Numpy dengan nilai NaN import numpy as np arr = np.array([1, np.nan, 3, 4, 5, 6, np.nan]) pritn(arr) Keluaran [ 1. nan 3. 4. 5. 6. nan]_ 1. Operasi matematika pada array Numpy dengan NaNMari coba panggil beberapa fungsi dasar pada array Numpy print(arr.sum()) Keluaran nan Mari coba temukan maksimum dari array print(arr.max())_ Keluaran nan Untungnya Numpy menawarkan metode yang mengabaikan nilai NaN saat melakukan operasi Matematika 2. Cara mengabaikan nilai NaN saat melakukan operasi Matematika pada larik NumpyNumpy menawarkan Anda metode seperti np. nansum() dan np. nanmax() untuk menghitung jumlah dan maks setelah mengabaikan nilai NaN dalam array np.nansum(arr)_ Keluaran 19.0 np.nanmax(arr)_ 6.0_ Jika Anda mengaktifkan pelengkapan otomatis di IDE, Anda akan melihat daftar opsi berikut saat bekerja dengan np. nan Np Nan3. Memeriksa nilai NaNUntuk memeriksa nilai NaN dalam array Numpy Anda dapat menggunakan np. metode isnan() Ini menghasilkan topeng boolean dengan ukuran array asli [ 1. nan 3. 4. 5. 6. nan]_0 Keluaran [ 1. nan 3. 4. 5. 6. nan]_1 Array keluaran bernilai benar untuk indeks yang merupakan NaN dalam larik asli dan salah untuk sisanya 4. Menyamakan dua nanApakah dua NaN sama satu sama lain? Ini bisa menjadi pertanyaan yang membingungkan. Mari kita coba menjawabnya dengan menjalankan beberapa kode python [ 1. nan 3. 4. 5. 6. nan]_2 Kedua pernyataan ini menginisialisasi dua variabel, a dan b dengan nan. Mari kita coba samakan keduanya [ 1. nan 3. 4. 5. 6. nan]_3 Keluaran [ 1. nan 3. 4. 5. 6. nan]_4 Di Python kami juga memiliki operator is. Mari coba gunakan itu untuk membandingkan kedua variabel [ 1. nan 3. 4. 5. 6. nan]_5 Keluaran [ 1. nan 3. 4. 5. 6. nan]_6 Alasannya adalah == operator membandingkan nilai dari kedua operan dan memeriksa kesetaraan nilai. print(arr.sum())7, di sisi lain, memeriksa apakah kedua operan merujuk ke objek yang sama atau tidak Nyatanya, Anda dapat mencetak ID a dan b dan melihat bahwa keduanya merujuk ke objek yang sama [ 1. nan 3. 4. 5. 6. nan]_7 Keluaran [ 1. nan 3. 4. 5. 6. nan]_8 [ 1. nan 3. 4. 5. 6. nan]_9 Keluaran [ 1. nan 3. 4. 5. 6. nan]_8 NaN dalam Bingkai Data PandasPandas DataFrames adalah cara umum mengimpor data ke python. Mari kita lihat bagaimana kita menangani nilai NaN dalam Pandas Dataframe Mari kita mulai dengan membuat kerangka data print(arr.sum())1 Keluaran Bingkai data1. Memeriksa nilai NaNAnda dapat memeriksa nilai NaN dengan menggunakan metode isnull(). Outputnya akan menjadi topeng boolean dengan dimensi kerangka data asli print(arr.sum())2 Keluaran Isnull2. Mengganti nilai NaNAda beberapa cara untuk mengganti nilai NaN dalam Pandas Dataframe. Cara paling umum untuk melakukannya adalah dengan menggunakan. metode fillna() Metode ini mengharuskan Anda menentukan nilai untuk menggantikan NaN print(arr.sum())_3 Keluaran Isi(0)Sebagai alternatif, Anda juga dapat menyebutkan nilai berdasarkan kolom. Itu berarti semua NaN di bawah satu kolom akan diganti dengan nilai yang sama print(arr.sum())_4 Keluaran Anda juga dapat menggunakan interpolasi untuk mengisi nilai yang hilang dalam bingkai data. Interpolasi adalah metode yang sedikit lebih maju dibandingkan dengan. isi() Interpolasi adalah teknik yang dapat digunakan untuk memperkirakan titik data yang tidak diketahui antara dua titik data yang diketahui 3. Jatuhkan baris yang berisi nilai NaNUntuk menjatuhkan baris atau kolom dengan NaN, Anda dapat menggunakan. metode dropna() Untuk menjatuhkan baris dengan penggunaan NaN print(arr.sum())5 Untuk menjatuhkan kolom dengan penggunaan NaN print(arr.sum())6 KesimpulanTutorial ini tentang NaN dengan Python. Kami terutama berfokus pada penanganan NaN di Numpy dan Pandas. Semoga Anda senang belajar bersama kami Bagaimana Anda menghitung NaN dalam array dengan Python?Untuk menghitung jumlah instance nan dalam kumpulan data, kita dapat memanggil np. isnan mengembalikan topeng benar / salah tergantung pada apakah datanya nan. Kemudian kita dapat menggunakan np. fungsi count_nonzero untuk menjumlahkan total .
Cara menghitung jumlah noncount_nonzero() function menghitung jumlah nilai bukan nol dalam array arr. Parameter. arr. [array_like] Array untuk menghitung bukan nol. sumbu. [int atau tuple, opsional] Sumbu atau tupel sumbu yang digunakan untuk menghitung bukan nol.
Bagaimana Anda menghitung jumlah NP dalam array?Anda dapat menggunakan metode berikut untuk menghitung kemunculan elemen dalam larik NumPy. . Metode 1. Hitung Kemunculan Nilai Tertentu np. count_nonzero(x == 2) Metode 2. Hitung Kemunculan Nilai yang Memenuhi Satu Kondisi np. . Metode 3. Hitung Kemunculan Nilai yang Memenuhi Salah Satu dari Beberapa Kondisi np Bagaimana cara menghitung nilai NaN dalam baris panda?Hitung Nilai NaN di Bingkai Data Whole Pandas
. df. isna(). jumlah(). sum() , ini akan mengembalikan jumlah total nilai NaN di seluruh DataFrame. |