Bewerkingen met null-waarden
Als je met missende data werkt, moet je deze ontbrekende waarden opslaan als een leeg type. Zo kun je ze makkelijk herkennen, vervangen of ermee experimenteren! Daarom bestaan de types None en numpy.nan. Je moet duidelijk tussen deze twee types kunnen onderscheiden.
In deze oefening vergelijk je de verschillen in het gedrag van None en numpy.nan bij rekenkundige en logische bewerkingen. numpy is al geïmporteerd als np. De try- en except-blokken zijn gebruikt om fouten te voorkomen.
Deze oefening maakt deel uit van de cursus
Omgaan met ontbrekende gegevens in Python
Praktische interactieve oefening
Probeer deze oefening eens door deze voorbeeldcode in te vullen.
try:
# Print the sum of two None's
print("Add operation output of 'None': ", ___)
except TypeError:
# Print if error
print("'None' does not support Arithmetic Operations!!")