Pandas — Funciones II — Limpiar info

Funciones que revisaremos:

• replazar nulos
• conteo de nulos
• calcular promedio
• calcular max
• eliminar filas
• tipo de datos

Identificar y manejar valores nulos

Estas funciones nos sirven para ir limpiando nuestra información.

• Remplazar información nula — En nuestro caso estamos remplazando ? que es nulo por “” o se puede usar otro caracter.

Nota. Los valores nulos se pueden remplazar por el promedio, frecuencia o alguna función y en algunos caso conviene eliminar la columna o filas

df.replace(“?”, numpy.nan, inplace = True)

• Revisar donde hay nulos

df.isnull()

True if there is no data

• Contar valores vacios

missing_data[“symboling”].value_counts()

• Calcular promedio (mean)

df_result = df[“normalized-losses”].astype(“float”).mean(axis=0)

• Calcular valores máximos

df[‘Column_name’].value_counts().idxmax()

• Eliminar filar & acomodar indices

Resetear los indices evita errores

df.dropna(subset=[“Column_name”], axis=0, inplace=True)

df.reset_index(drop=True, inplace=True)

• Listar los tipos de datos

df.dtypes

• Cambiar tipos de datos

Las columnas bore & stroke pasan a ser de tipo float en un solo paso

df[[“bore”, “stroke”]] = df[[“bore”, “stroke”]].astype(“float”)