ಪರಿಹರಿಸಲಾಗಿದೆ: ಕಾಣೆಯಾದ ಮೌಲ್ಯಗಳ ಪಾಂಡಾಗಳನ್ನು ಬದಲಿಸಲು ಡಿಕ್ಟ್ ಅನ್ನು ಬಳಸಿ

ಡೇಟಾ ಮ್ಯಾನಿಪ್ಯುಲೇಷನ್ ಮತ್ತು ವಿಶ್ಲೇಷಣೆಯ ಜಗತ್ತಿನಲ್ಲಿ, ಕಾಣೆಯಾದ ಮೌಲ್ಯಗಳನ್ನು ನಿರ್ವಹಿಸುವುದು ನಿರ್ಣಾಯಕ ಕಾರ್ಯವಾಗಿದೆ. ಪಾಂಡಾಗಳು, ವ್ಯಾಪಕವಾಗಿ ಬಳಸಲಾಗುವ ಪೈಥಾನ್ ಲೈಬ್ರರಿ, ಕಾಣೆಯಾದ ಡೇಟಾವನ್ನು ಸಮರ್ಥವಾಗಿ ನಿರ್ವಹಿಸಲು ನಮಗೆ ಅನುಮತಿಸುತ್ತದೆ. ಕಾಣೆಯಾದ ಮೌಲ್ಯಗಳೊಂದಿಗೆ ವ್ಯವಹರಿಸುವ ಒಂದು ಸಾಮಾನ್ಯ ವಿಧಾನವೆಂದರೆ ಈ ಮೌಲ್ಯಗಳನ್ನು ನಕ್ಷೆ ಮಾಡಲು ಮತ್ತು ಬದಲಾಯಿಸಲು ನಿಘಂಟುಗಳನ್ನು ಬಳಸುವುದು. ಈ ಲೇಖನದಲ್ಲಿ, ಡೇಟಾಸೆಟ್‌ನಲ್ಲಿ ಕಾಣೆಯಾದ ಮೌಲ್ಯಗಳನ್ನು ಬದಲಿಸಲು ನಿಘಂಟುಗಳನ್ನು ಬಳಸಲು ಪಾಂಡಾಗಳು ಮತ್ತು ಪೈಥಾನ್‌ನ ಶಕ್ತಿಯನ್ನು ಹೇಗೆ ನಿಯಂತ್ರಿಸಬೇಕೆಂದು ನಾವು ಚರ್ಚಿಸುತ್ತೇವೆ.

ಪರಿಹಾರ

ನಾವು ಅನ್ವೇಷಿಸುವ ಪ್ರಾಥಮಿಕ ಪರಿಹಾರವನ್ನು ಬಳಸುವುದು ಫಿಲ್ನಾ () ನಿಘಂಟುಗಳ ಜೊತೆಯಲ್ಲಿ ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತದೆ. ಈ ವಿಧಾನವು ಕಾಣೆಯಾದ ಮೌಲ್ಯಗಳನ್ನು ನಿರ್ದಿಷ್ಟಪಡಿಸಿದ ನಿಘಂಟಿನಿಂದ ಅನುಗುಣವಾದ ಮೌಲ್ಯಗಳೊಂದಿಗೆ ಬದಲಾಯಿಸಲು ನಮಗೆ ಅನುವು ಮಾಡಿಕೊಡುತ್ತದೆ.

ಕೋಡ್ನ ಹಂತ-ಹಂತದ ವಿವರಣೆ

ಈ ಪ್ರಕ್ರಿಯೆಯನ್ನು ವಿವರಿಸಲು, ಉಡುಪುಗಳು, ಬಣ್ಣಗಳು ಮತ್ತು ಐತಿಹಾಸಿಕ ಸಂದರ್ಭವನ್ನು ಒಳಗೊಂಡಂತೆ ವಿವಿಧ ಫ್ಯಾಷನ್ ಶೈಲಿಗಳ ಬಗ್ಗೆ ಮಾಹಿತಿಯನ್ನು ಒಳಗೊಂಡಿರುವ ಡೇಟಾಸೆಟ್ ಅನ್ನು ನಾವು ಹೊಂದಿದ್ದೇವೆ ಎಂದು ಭಾವಿಸೋಣ. ಕೆಲವು ಸಂದರ್ಭಗಳಲ್ಲಿ, ಈ ಡೇಟಾಸೆಟ್‌ನಲ್ಲಿ ಕಾಣೆಯಾದ ಮೌಲ್ಯಗಳು ಇರಬಹುದು.

ಮೊದಲನೆಯದಾಗಿ, ಅಗತ್ಯ ಗ್ರಂಥಾಲಯಗಳನ್ನು ಆಮದು ಮಾಡಿಕೊಳ್ಳಿ ಮತ್ತು ಮಾದರಿ ಡೇಟಾಫ್ರೇಮ್ ಅನ್ನು ರಚಿಸಿ:

import pandas as pd

data = {
    'style': ['Grunge', 'Bohemian', 'Preppy', None, 'Punk', 'Casual'],
    'garments': ['Plaid shirt', None, 'Blazer', 'Maxi dress', 'Leather jacket', 'T-shirt'],
    'colors': ['Black', 'Faded', 'Light', 'Earthy', None, None]
}

df = pd.DataFrame(data)

ಈಗ ನಾವು ಸಮಸ್ಯೆಯನ್ನು ವಿವರಿಸುವ ಡೇಟಾಫ್ರೇಮ್ ಅನ್ನು ಹೊಂದಿದ್ದೇವೆ, ಕೆಲವು ಮೌಲ್ಯಗಳು ಕಾಣೆಯಾಗಿವೆ ಎಂಬುದನ್ನು ಗಮನಿಸಿ (ಯಾವುದೂ ಇಲ್ಲ ಎಂದು ಸೂಚಿಸಲಾಗಿದೆ). ಈ ಮೌಲ್ಯಗಳನ್ನು ಬದಲಿಸಲು, ಸೂಕ್ತವಾದ ಮ್ಯಾಪಿಂಗ್‌ಗಳನ್ನು ಹೊಂದಿರುವ ನಿಘಂಟುಗಳನ್ನು ರಚಿಸಿ:

style_dict = {None: 'Unknown'}
garments_dict = {None: 'Other'}
colors_dict = {None: 'Various'}

# Combine dictionaries
replacement_dict = {'style': style_dict, 'garments': garments_dict, 'colors': colors_dict}

ಕೊನೆಯದಾಗಿ, ಬಳಸಿ ಫಿಲ್ನಾ () ಸಂಯೋಜಿತ ನಿಘಂಟನ್ನು ಬಳಸಿಕೊಂಡು ಕಾಣೆಯಾದ ಮೌಲ್ಯಗಳನ್ನು ಬದಲಾಯಿಸುವ ಕಾರ್ಯ:

df_filled = df.fillna(replacement_dict)

ಪಾಂಡಾಗಳ ಗ್ರಂಥಾಲಯವನ್ನು ಅರ್ಥಮಾಡಿಕೊಳ್ಳುವುದು

ಪಾಂಡಾಗಳು ಪೈಥಾನ್‌ನಲ್ಲಿನ ಬಹುಮುಖ ಗ್ರಂಥಾಲಯವಾಗಿದ್ದು, ಡೇಟಾ ಕುಶಲತೆ ಮತ್ತು ವಿಶ್ಲೇಷಣೆಗಾಗಿ ವಿನ್ಯಾಸಗೊಳಿಸಲಾಗಿದೆ. ಇದು ಸರಣಿ ಮತ್ತು ಡೇಟಾಫ್ರೇಮ್‌ನಂತಹ ಹೊಂದಿಕೊಳ್ಳುವ ಮತ್ತು ಶಕ್ತಿಯುತ ಡೇಟಾ ರಚನೆಗಳನ್ನು ನೀಡುತ್ತದೆ. ರಚನಾತ್ಮಕ, ಕೋಷ್ಟಕ ಡೇಟಾದೊಂದಿಗೆ ಪರಿಣಾಮಕಾರಿಯಾಗಿ ಕೆಲಸ ಮಾಡಲು ಈ ರಚನೆಗಳು ಅವಶ್ಯಕ.

ಪಾಂಡಾಗಳು ಕಾರ್ಯಗಳ ಸಮೃದ್ಧ ಸಂಗ್ರಹವನ್ನು ಒದಗಿಸುತ್ತದೆ, ಉದಾಹರಣೆಗೆ ಫಿಲ್ನಾ (), ಕಾಣೆಯಾದ ಡೇಟಾವನ್ನು ನಿರ್ವಹಿಸಲು ಬಳಸಲಾಗುತ್ತದೆ. ಡೇಟಾ ವಿಲೀನಗೊಳಿಸುವಿಕೆ, ಪಿವೋಟಿಂಗ್ ಡೇಟಾ ಮತ್ತು ಸಮಯ-ಸರಣಿ ವಿಶ್ಲೇಷಣೆಯಂತಹ ಇತರ ಕಾರ್ಯಾಚರಣೆಗಳನ್ನು ಪಾಂಡಾಗಳೊಂದಿಗೆ ಮನಬಂದಂತೆ ನಿರ್ವಹಿಸಬಹುದು.

ಕಾಣೆಯಾದ ಡೇಟಾವನ್ನು ನಿರ್ವಹಿಸುವ ಕಾರ್ಯಗಳು

ಜೊತೆಗೆ ಫಿಲ್ನಾ () ಫಂಕ್ಷನ್, ಕಾಣೆಯಾದ ಡೇಟಾವನ್ನು ಎದುರಿಸಲು ಪಾಂಡಾಗಳು ಹಲವಾರು ಇತರ ಕಾರ್ಯಗಳನ್ನು ಮತ್ತು ವಿಧಾನಗಳನ್ನು ನೀಡುತ್ತದೆ, ಅವುಗಳೆಂದರೆ:

  • ಡ್ರಾಪ್ನಾ(): ಕಾಣೆಯಾದ ಡೇಟಾದೊಂದಿಗೆ ಸಾಲುಗಳು ಅಥವಾ ಕಾಲಮ್‌ಗಳನ್ನು ತೆಗೆದುಹಾಕಿ.
  • isna(): ಯಾವ ಡೇಟಾಫ್ರೇಮ್ ಅಥವಾ ಸರಣಿ ಅಂಶಗಳು ಕಾಣೆಯಾಗಿವೆ ಅಥವಾ ಶೂನ್ಯವಾಗಿವೆ ಎಂಬುದನ್ನು ನಿರ್ಧರಿಸಿ.
  • ನೋಟ್ನಾ (): ಯಾವ ಡೇಟಾಫ್ರೇಮ್ ಅಥವಾ ಸರಣಿ ಅಂಶಗಳು ಕಾಣೆಯಾಗಿಲ್ಲ ಅಥವಾ ಶೂನ್ಯವಾಗಿಲ್ಲ ಎಂಬುದನ್ನು ನಿರ್ಧರಿಸಿ.
  • ಇಂಟರ್ಪೋಲೇಟ್ (): ಲೀನಿಯರ್ ಇಂಟರ್‌ಪೋಲೇಶನ್ ಬಳಸಿ ಕಾಣೆಯಾದ ಮೌಲ್ಯಗಳನ್ನು ಭರ್ತಿ ಮಾಡಿ.

ಈ ವಿಧಾನಗಳು, ಜೊತೆಗೆ ಫಿಲ್ನಾ (), ಕಾಣೆಯಾದ ಡೇಟಾವನ್ನು ವಿವಿಧ ಸಂದರ್ಭಗಳಲ್ಲಿ ನಿರ್ವಹಿಸಲು ಪರಿಕರಗಳ ಸಮಗ್ರ ಸೂಟ್ ಅನ್ನು ಒದಗಿಸಿ.

ಕೊನೆಯಲ್ಲಿ, ಈ ಲೇಖನವು ಹೇಗೆ ಬಳಸಬೇಕೆಂದು ತೋರಿಸಿದೆ ಡಿಕ್ಟ್ ಪಾಂಡಾಸ್ ಡೇಟಾಫ್ರೇಮ್‌ನಲ್ಲಿ ಕಾಣೆಯಾದ ಮೌಲ್ಯಗಳನ್ನು ಬದಲಾಯಿಸಲು. ನಾವು ಬಳಸಿದ ಪ್ರಮುಖ ಕಾರ್ಯ, ಫಿಲ್ನಾ (), ಪಾಂಡಾಸ್ ಲೈಬ್ರರಿಯಲ್ಲಿ ಶಕ್ತಿಯುತ ಸಾಧನವಾಗಿದ್ದು, ಕಾಣೆಯಾದ ಡೇಟಾವನ್ನು ಪರಿಣಾಮಕಾರಿಯಾಗಿ ನಿರ್ವಹಿಸಲು ನಮಗೆ ಅನುಮತಿಸುತ್ತದೆ. ನಿಘಂಟುಗಳನ್ನು ನಿಯಂತ್ರಿಸುವ ಮೂಲಕ, ನಾವು ಕಾಣೆಯಾದ ಮೌಲ್ಯಗಳನ್ನು ಸೂಕ್ತವಾದ ಬದಲಿಗಳಿಗೆ ಮ್ಯಾಪ್ ಮಾಡಬಹುದು ಮತ್ತು ನಮ್ಮ ಡೇಟಾಸೆಟ್ ಸಂಪೂರ್ಣ ಮತ್ತು ಅರ್ಥಪೂರ್ಣವಾಗಿದೆ ಎಂದು ಖಚಿತಪಡಿಸಿಕೊಳ್ಳಬಹುದು. ಪಾಂಡಾಸ್ ಲೈಬ್ರರಿ ಮತ್ತು ಅದರ ಒಳಗೊಂಡಿರುವ ಕಾರ್ಯಗಳ ಆಳವಾದ ತಿಳುವಳಿಕೆಯ ಮೂಲಕ, ನಾವು ದೊಡ್ಡ ಡೇಟಾಸೆಟ್‌ಗಳೊಂದಿಗೆ ಪರಿಣಾಮಕಾರಿಯಾಗಿ ಕಾರ್ಯನಿರ್ವಹಿಸಬಹುದು ಮತ್ತು ನಮ್ಮ ಡೇಟಾದಿಂದ ಮೌಲ್ಯಯುತವಾದ ಒಳನೋಟಗಳನ್ನು ಪಡೆಯಬಹುದು.

ಸಂಬಂಧಿತ ಪೋಸ್ಟ್ಗಳು:

ಒಂದು ಕಮೆಂಟನ್ನು ಬಿಡಿ