पंडों - गलत डेटा को ठीक करना


ग़लत डेटा

"गलत डेटा" का "खाली सेल" या "गलत प्रारूप" होना जरूरी नहीं है, यह सिर्फ गलत हो सकता है, जैसे कि किसी ने "1.99" के बजाय "199" पंजीकृत किया हो।

कभी-कभी आप डेटा सेट को देखकर गलत डेटा खोज सकते हैं, क्योंकि आपको उम्मीद है कि यह क्या होना चाहिए।

यदि आप हमारे डेटा सेट पर एक नज़र डालते हैं, तो आप देख सकते हैं कि पंक्ति 7 में, अवधि 450 है, लेकिन अन्य सभी पंक्तियों के लिए अवधि 30 और 60 के बीच है।

यह गलत नहीं है, लेकिन यह ध्यान में रखते हुए कि यह किसी के कसरत सत्रों का डेटा सेट है, हम इस तथ्य के साथ निष्कर्ष निकालते हैं कि इस व्यक्ति ने 450 मिनट में काम नहीं किया।

      Duration          Date  Pulse  Maxpulse  Calories
  0         60  '2020/12/01'    110       130     409.1
  1         60  '2020/12/02'    117       145     479.0
  2         60  '2020/12/03'    103       135     340.0
  3         45  '2020/12/04'    109       175     282.4
  4         45  '2020/12/05'    117       148     406.0
  5         60  '2020/12/06'    102       127     300.0
  6         60  '2020/12/07'    110       136     374.0
  7        450  '2020/12/08'    104       134     253.3
  8         30  '2020/12/09'    109       133     195.1
  9         60  '2020/12/10'     98       124     269.0
  10        60  '2020/12/11'    103       147     329.3
  11        60  '2020/12/12'    100       120     250.7
  12        60  '2020/12/12'    100       120     250.7
  13        60  '2020/12/13'    106       128     345.3
  14        60  '2020/12/14'    104       132     379.3
  15        60  '2020/12/15'     98       123     275.0
  16        60  '2020/12/16'     98       120     215.2
  17        60  '2020/12/17'    100       120     300.0
  18        45  '2020/12/18'     90       112       NaN
  19        60  '2020/12/19'    103       123     323.0
  20        45  '2020/12/20'     97       125     243.0
  21        60  '2020/12/21'    108       131     364.2
  22        45           NaN    100       119     282.0
  23        60  '2020/12/23'    130       101     300.0
  24        45  '2020/12/24'    105       132     246.0
  25        60  '2020/12/25'    102       126     334.5
  26        60      20201226    100       120     250.0
  27        60  '2020/12/27'     92       118     241.0
  28        60  '2020/12/28'    103       132       NaN
  29        60  '2020/12/29'    100       132     280.0
  30        60  '2020/12/30'    102       129     380.3
  31        60  '2020/12/31'     92       115     243.0

हम गलत मान कैसे ठीक कर सकते हैं, जैसे पंक्ति 7 में "अवधि" के लिए?


w3schools CERTIFIED . 2021

प्रमाणन हासिल करें!

पांडा मॉड्यूल को पूरा करें, अभ्यास करें, परीक्षा दें, और आप w3schools प्रमाणित हो जाएंगे!

$10 नामांकन

मूल्यों को बदलना

गलत मानों को ठीक करने का एक तरीका उन्हें किसी और चीज़ से बदलना है।

हमारे उदाहरण में, यह संभवतः एक टाइपो है, और मान "450" ​​के बजाय "45" होना चाहिए, और हम पंक्ति 7 में "45" सम्मिलित कर सकते हैं:

उदाहरण

पंक्ति 7 में "अवधि" = 45 सेट करें:

df.loc[7, 'Duration'] = 45

छोटे डेटा सेट के लिए आप एक-एक करके गलत डेटा को बदलने में सक्षम हो सकते हैं, लेकिन बड़े डेटा सेट के लिए नहीं।

बड़े डेटा सेट के लिए गलत डेटा को बदलने के लिए आप कुछ नियम बना सकते हैं, उदाहरण के लिए कानूनी मूल्यों के लिए कुछ सीमाएं निर्धारित करें, और सीमाओं के बाहर किसी भी मान को बदलें।

उदाहरण

"अवधि" कॉलम में सभी मानों के माध्यम से लूप करें।

यदि मान 120 से अधिक है, तो इसे 120 पर सेट करें:

for x in df.index:
  if df.loc[x, "Duration"] > 120:
    df.loc[x, "Duration"] = 120

पंक्तियों को हटाना

गलत डेटा को संभालने का दूसरा तरीका उन पंक्तियों को हटाना है जिनमें गलत डेटा है।

इस तरह आपको यह पता लगाने की आवश्यकता नहीं है कि उन्हें किसके साथ बदलना है, और एक अच्छा मौका है कि आपको अपने विश्लेषण करने के लिए उनकी आवश्यकता नहीं है।

उदाहरण

उन पंक्तियों को हटाएं जहां "अवधि" 120 से अधिक है:

for x in df.index:
  if df.loc[x, "Duration"] > 120:
    df.drop(x, inplace = True)