Hitung nan dalam array python

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

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 Numpy

Mari 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 NaN

Mari 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 Numpy

Numpy 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

3. Memeriksa nilai NaN

Untuk 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]

Keluaran

[ 1. nan  3.  4.  5.  6. nan]

Array keluaran bernilai benar untuk indeks yang merupakan NaN dalam larik asli dan salah untuk sisanya

4. Menyamakan dua nan

Apakah 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]

Kedua pernyataan ini menginisialisasi dua variabel, a dan b dengan nan. Mari kita coba samakan keduanya

[ 1. nan  3.  4.  5.  6. nan]

Keluaran

[ 1. nan  3.  4.  5.  6. nan]

Di Python kami juga memiliki operator is. Mari coba gunakan itu untuk membandingkan kedua variabel

[ 1. nan  3.  4.  5.  6. nan]

Keluaran

[ 1. nan  3.  4.  5.  6. nan]

Alasannya adalah == operator membandingkan nilai dari kedua operan dan memeriksa kesetaraan nilai.

print(arr.sum())

Nyatanya, Anda dapat mencetak ID a dan b dan melihat bahwa keduanya merujuk ke objek yang sama

[ 1. nan  3.  4.  5.  6. nan]

Keluaran

[ 1. nan  3.  4.  5.  6. nan]

[ 1. nan  3.  4.  5.  6. nan]

Keluaran

[ 1. nan  3.  4.  5.  6. nan]

NaN dalam Bingkai Data Pandas

Pandas 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())

Keluaran

1. Memeriksa nilai NaN

Anda dapat memeriksa nilai NaN dengan menggunakan metode isnull(). Outputnya akan menjadi topeng boolean dengan dimensi kerangka data asli

print(arr.sum())

Keluaran

2. Mengganti nilai NaN

Ada 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())

Keluaran

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())

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 NaN

Untuk menjatuhkan baris atau kolom dengan NaN, Anda dapat menggunakan. metode dropna()

Untuk menjatuhkan baris dengan penggunaan NaN

print(arr.sum())

Untuk menjatuhkan kolom dengan penggunaan NaN

print(arr.sum())

Kesimpulan

Tutorial 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?

Cara menghitung jumlah non

Bagaimana Anda menghitung jumlah NP dalam array?

Bagaimana cara menghitung nilai NaN dalam baris panda?