Python4Finance

کار با مقادیر از دست رفته در پایتون، ماژول Pandas- بخش چهارم

پانداس مهمترین کتابخانه پایتون برای کار با داده هاست. در پانداس هم None و هم np.nan‌ به عنوان مقادیر nan در نظر گرفته می شوند و در محاسبات بدون خطا ظاهر می شوند. البته همانطور که گفته شد حاصل هر عمل ریاضی با مقادیر nan مقدار nan خواهد بود.
پانداس برای کار با داده های nan‌ توابع زیر را درنظر گرفته است.

isnull()
notnull()
dropna()
fillna()
replace()
interpolate()
در مثال این پست که تصویر آن ضمیمه شده است، تعداد مقادیر nan در یک دیتافریم محاسبه و نمایش داده می شود.
ان شاء الله در پست های آتی در خصوص سایر توابع صحبت خواهیم کرد.

#missing_values
#داده_ازدست_رفته
#پایتون_مالی

@python4finance

www.tg-me.com/hk/Python4Finance/com.python4finance/445

3.57K viewsOct 6, 2020 at 06:38

کار با مقادیر از دست رفته در پایتون، ماژول Pandas- بخش چهارم

پانداس مهمترین کتابخانه پایتون برای کار با داده هاست. در پانداس هم None و هم np.nan‌ به عنوان مقادیر nan در نظر گرفته می شوند و در محاسبات بدون خطا ظاهر می شوند. البته همانطور که گفته شد حاصل هر عمل ریاضی با مقادیر nan مقدار nan خواهد بود.
پانداس برای کار با داده های nan‌ توابع زیر را درنظر گرفته است.

isnull()
notnull()
dropna()
fillna()
replace()
interpolate()
در مثال این پست که تصویر آن ضمیمه شده است، تعداد مقادیر nan در یک دیتافریم محاسبه و نمایش داده می شود.
ان شاء الله در پست های آتی در خصوص سایر توابع صحبت خواهیم کرد.

#missing_values
#داده_ازدست_رفته
#پایتون_مالی

@python4finance

BY Python4Finance