আমি বেশিরভাগ আসল সংখ্যায় ভরা একটি প্যান্ডাস ডেটাফ্রেম পেয়েছি তবে এর nanমধ্যে কয়েকটি মানও রয়েছে।
এসগুলিকে আমি nanযেখানে তারা কলামের গড়ের সাথে প্রতিস্থাপন করতে পারি ?
এই প্রশ্নটির সাথে এটির অনুরূপ: ন্যালি অ্যারে: কলামের গড়ের সাথে ন্যানের মানগুলি প্রতিস্থাপন করুন তবে দুর্ভাগ্যক্রমে, সেখানে দেওয়া সমাধানটি পান্ডাস ডেটা ফ্রেমের জন্য কাজ করে না।
উত্তর:
আপনি সরাসরি DataFrame.fillnaএটি পূরণ করতে ব্যবহার করতে পারেন nan:
In [27]: df
Out[27]:
A B C
0 -0.166919 0.979728 -0.632955
1 -0.297953 -0.912674 -1.365463
2 -0.120211 -0.540679 -0.680481
3 NaN -2.027325 1.533582
4 NaN NaN 0.461821
5 -0.788073 NaN NaN
6 -0.916080 -0.612343 NaN
7 -0.887858 1.033826 NaN
8 1.948430 1.025011 -2.982224
9 0.019698 -0.795876 -0.046431
In [28]: df.mean()
Out[28]:
A -0.151121
B -0.231291
C -0.530307
dtype: float64
In [29]: df.fillna(df.mean())
Out[29]:
A B C
0 -0.166919 0.979728 -0.632955
1 -0.297953 -0.912674 -1.365463
2 -0.120211 -0.540679 -0.680481
3 -0.151121 -2.027325 1.533582
4 -0.151121 -0.231291 0.461821
5 -0.788073 -0.231291 -0.530307
6 -0.916080 -0.612343 -0.530307
7 -0.887858 1.033826 -0.530307
8 1.948430 1.025011 -2.982224
9 0.019698 -0.795876 -0.046431এর ডক্টরসিং fillnaবলেছেন যে valueএটি একটি স্কেলার বা ডিক হওয়া উচিত, তবে এটি Seriesপাশাপাশি কাজ করবে বলে মনে হয় । আপনি যদি ডিক পাস করতে চান তবে আপনি ব্যবহার করতে পারেন df.mean().to_dict()।
df=df.fillna(df.mean())এছাড়াও ব্যবহার করতে পারেনdf.fillna(df.mean(), inplace=True)
চেষ্টা করুন:
sub2['income'].fillna((sub2['income'].mean()), inplace=True)In [16]: df = DataFrame(np.random.randn(10,3))
In [17]: df.iloc[3:5,0] = np.nan
In [18]: df.iloc[4:6,1] = np.nan
In [19]: df.iloc[5:8,2] = np.nan
In [20]: df
Out[20]:
0 1 2
0 1.148272 0.227366 -2.368136
1 -0.820823 1.071471 -0.784713
2 0.157913 0.602857 0.665034
3 NaN -0.985188 -0.324136
4 NaN NaN 0.238512
5 0.769657 NaN NaN
6 0.141951 0.326064 NaN
7 -1.694475 -0.523440 NaN
8 0.352556 -0.551487 -1.639298
9 -2.067324 -0.492617 -1.675794
In [22]: df.mean()
Out[22]:
0 -0.251534
1 -0.040622
2 -0.841219
dtype: float64প্রতি কলামে সেই কলামগুলির গড় প্রয়োগ করুন এবং পূরণ করুন
In [23]: df.apply(lambda x: x.fillna(x.mean()),axis=0)
Out[23]:
0 1 2
0 1.148272 0.227366 -2.368136
1 -0.820823 1.071471 -0.784713
2 0.157913 0.602857 0.665034
3 -0.251534 -0.985188 -0.324136
4 -0.251534 -0.040622 0.238512
5 0.769657 -0.040622 -0.841219
6 0.141951 0.326064 -0.841219
7 -1.694475 -0.523440 -0.841219
8 0.352556 -0.551487 -1.639298
9 -2.067324 -0.492617 -1.675794# To read data from csv file
Dataset = pd.read_csv('Data.csv')
X = Dataset.iloc[:, :-1].values
# To calculate mean use imputer class
from sklearn.impute import SimpleImputer
imputer = SimpleImputer(missing_values=np.nan, strategy='mean')
imputer = imputer.fit(X[:, 1:3])
X[:, 1:3] = imputer.transform(X[:, 1:3])আপনি যদি অনুপস্থিত মানগুলিকে গড় বোঝাতে চান এবং আপনি কলাম অনুসারে কলাম যেতে চান, তবে এটি কেবল সেই কলামটির গড় দিয়েই বোঝা যাবে। এটি কিছুটা বেশি পঠনযোগ্য হতে পারে।
sub2['income'] = sub2['income'].fillna((sub2['income'].mean()))সরাসরি নালীর df.fillna(df.mean())সমস্ত মান পূরণ করতে ব্যবহার করুন
আপনি যদি সেই কলামটির গড় দিয়ে নাল মান পূরণ করতে চান তবে আপনি এটি ব্যবহার করতে পারেন
ধরুন x=df['Item_Weight']এখানে Item_Weightকলামের নাম
এখানে আমরা নির্ধারিত করছি (x এর সাথে x এর নাল মানগুলি x দিয়ে x এর সাথে পূরণ করুন)
df['Item_Weight'] = df['Item_Weight'].fillna((df['Item_Weight'].mean()))আপনি যদি কিছু স্ট্রিং দিয়ে নাল মান পূরণ করতে চান তবে ব্যবহার করুন
এখানে Outlet_sizeকলামের নাম
df.Outlet_Size = df.Outlet_Size.fillna('Missing')পান্ডাস: কীভাবে NaN ( nan) মানগুলি গড় (গড়), মধ্যক বা একটি কলামের অন্যান্য পরিসংখ্যানের সাথে প্রতিস্থাপন করবেন
আপনার ডেটাফ্রেমটি বলুন dfএবং আপনার কাছে একটি কলাম কল হয়েছে nr_items। এই: df['nr_items']
যদি আপনি চাই প্রতি প্রতিস্থাপনNaN আপনার কলামের মান df['nr_items']সঙ্গে কলামের গড় :
পদ্ধতি ব্যবহার করুন .fillna():
mean_value=df['nr_items'].mean()
df['nr_item_ave']=df['nr_items'].fillna(mean_value)
আমি পরিবর্তিত মানগুলি সহ নতুন কলামটি সংরক্ষণ করার জন্য একটি নতুন dfকলাম তৈরি করেছিnr_item_aveNaNmean ।
ব্যবহার করার সময় আপনার সতর্কতা অবলম্বন করা উচিত mean। আপনার যদি outliers থাকে তবে এটি ব্যবহার করার জন্য আরও প্রস্তাবিতmedian
স্কলারন লাইব্রেরি প্রিপ্রসেসিং ক্লাস ব্যবহার করে using
from sklearn.impute import SimpleImputer
missingvalues = SimpleImputer(missing_values = np.nan, strategy = 'mean', axis = 0)
missingvalues = missingvalues.fit(x[:,1:3])
x[:,1:3] = missingvalues.transform(x[:,1:3])দ্রষ্টব্য: সাম্প্রতিক সংস্করণে প্যারামিটারের missing_valuesমান np.nanথেকে পরিবর্তনNaN
df.fillna(df.mean())নতুন ডেটাফ্রেম ফিরিয়ে দেবে, তাইdf=df.fillna(df.mean())এটি রাখতে আপনাকে লিখতে হবে।