Brakujące wartości

Rzeczywiste dane zawierają braki: czujnik przestaje działać, ktoś opuszcza quiz. pandas oznacza każdą pustą komórkę jako NaN, czyli „nie jest liczbą”:

Większość modeli odmawia przetwarzania NaN, więc najpierw policz braki. .isna() oznacza każdy z nich jako True, a .sum() je zlicza:

scores = pd.DataFrame({
    "name": ["Ana", "Ben", "Cy", "Dee"],
    "quiz1": [8, np.nan, 7, 9],  # np.nan oznacza brak danych
    "quiz2": [6, 5, np.nan, np.nan],
})
print(scores.isna().sum())

To wyświetla:

name     0
quiz1    1
quiz2    2
dtype: int64

Następnie wybierz: dropna() usuwa każdy wiersz z brakującą wartością; fillna(0) wpisuje 0 do każdego z nich. Obie metody zwracają nową tabelę, więc ją zapisz.

Statystyki pomijają NaN: średnia dla quiz1 wynosi 8.0 i jest obliczona na podstawie trzech znanych wyników.