No último exercício, você conseguiu identificar rapidamente, com base na chamada df.head(), quais caracteres estavam causando problema. Em muitos casos, isso não ficará tão evidente. Muitas vezes há valores mais ao fundo de uma coluna que impedem você de converter a coluna para um tipo numérico, o que é necessário para usá-la em um modelo ou em etapas adicionais de engenharia de atributos.

Uma abordagem para encontrar esses valores é forçar a coluna ao tipo de dado desejado usando pd.to_numeric(), convertendo (coercing) quaisquer valores problemáticos em NaN e, em seguida, filtrar o DataFrame apenas pelas linhas que contêm valores NaN.

Tente converter a coluna RawSalary para float — a conversão vai falhar porque agora há um caractere extra nela. Encontre esse caractere e remova-o para que a coluna possa ser convertida para float.

Lidando com outros problemas de dados

Create Your Free Account