Đặt giá trị NA tùy chỉnh
Một phần của việc khám phá và làm sạch dữ liệu là kiểm tra các giá trị thiếu (missing) hay NA và quyết định cách xử lý chúng. Việc này sẽ dễ hơn khi các giá trị thiếu được coi là một kiểu dữ liệu riêng, và có các hàm của pandas nhắm trực tiếp vào các giá trị NA đó. pandas tự động coi một số giá trị là thiếu, nhưng bạn có thể truyền thêm các chỉ báo NA thông qua đối số na_values. Ở đây, bạn sẽ làm điều đó để đảm bảo các mã ZIP không hợp lệ trong dữ liệu thuế Vermont được mã hóa là NA.
pandas đã được nhập với bí danh pd.
Bài tập này là một phần của khóa học
Nạp dữ liệu gọn nhẹ với pandas
Hướng dẫn bài tập
- Tạo một từ điển
null_values, chỉ định rằng các0trong cộtzipcodesẽ được coi là giá trị NA. - Tải
vt_tax_data_2016.csv, sử dụng đối sốna_valuesvà từ điển đó để đảm bảo các mã ZIP không hợp lệ được xử lý như giá trị thiếu.
Bài tập tương tác thực hành trực tiếp
Hãy thử làm bài tập này bằng cách hoàn thành đoạn mã mẫu này.
# Create dict specifying that 0s in zipcode are NA values
null_values = {____}
# Load csv using na_values keyword argument
data = pd.read_csv("vt_tax_data_2016.csv",
____)
# View rows with NA ZIP codes
print(data[data.zipcode.isna()])