Hướng dẫn isna() in python - isna() trong trăn
Lỗi #N/A là một lỗi thường gặp trong Excel. Nhưng trong một số trường hợp chúng ta không biết rõ công thức có xảy ra lỗi #N/A hay không. Bởi vậy chúng ta cần một phương pháp giúp kiểm tra lỗi đó, chính là hàm ISNA. Trong bài viết này các bạn hãy cùng Học Excel Online tìm hiểu cách dùng hàm ISNA trong Excel thông qua các ví dụ nhé. Show Nội dung chính ShowShow
Nội dung chính
Cú phàm hàm ISNATác giả: duongquan211287
Thao tác với missing data trong pandas
Tạm kết Tham khảo
Cách sử dụng hàm ISNAIS là chức năng kiểm tra, trả về kết quả đúng/sai (tương đương với câu hỏi Có phải là) Nhận biết lỗi #N/A của hàm VLOOKUPTác giả: duongquan211287 Missing data là gì?
=VLOOKUP(B2,$G$3:$H$5,2,0) Nội dung chính Trong tên hàm gồm 2 phần: IS là chức năng kiểm tra, trả về kết quả đúng/sai (tương đương với câu hỏi Có phải là) NA chính là lỗi #N/A
TRUE: nếu giá trị cần kiểm tra có kết quả đúng là lỗi #N/A FALSE: nếu giá trị cần kiểm tra không phải lỗi #N/A Bởi vì kết quả của hàm ISNA là True / False nên thông thường nó không đứng 1 mình mà kết hợp với hàm IF. Chúng ta xét ví dụ sau đây: Trong ví dụ trên, để xác định đơn giá các sản phẩm, chúng ta sẽ sử dụng hàm VLOOKUP: Tác giả: duongquan211287Giá trị tìm kiếm: Mã hàng tại cột B, bắt đầu từ ô B2· · Vùng tham chiếu: Bảng đơn giá G3:H5 Cột kết quả: cột thứ 2 Phương thức tìm kiếm: chính xác theo mã hàng, sử dụng số 0 Missing data là gì?Missing data trong pandas
Trong tên hàm gồm 2 phần: Missing data trong pandasThao tác với missing data trong pandas Ví dụ 1: Các loại missing data:
Output:
Thao tác với missing data trong pandasPandas cho phép bạn thao tác linh hoạt với missing data trong Series, DataFrame như tìm giá trị bị thiếu (missing value), xác định giá trị tồn tại (không bị thiếu), loại bỏ giá trị bị thiếu, chèn giá trị bị thiếu, điền vào giá trị bị thiếu, v.v. Bên dưới mình sẽ trình bày các ví dụ cụ thể cho các thao tác. Xác định giá trị bị thiếu và giá trị đang tồn tại: isna(), notna() Ví dụ 2: Xác định giá trị bị thiếu bằng 0 và 1
Output:
Ví dụ 3: Xác định giá trị tồn tại (existing values) bằng 2 và 3
Output:
Xóa giá trị bị thiếu: dropna() Ví dụ 4: Xóa giá trị thiếu bằng 4 và 5
Output:
Điền vào giá trị thiếu: fillna() Sử dụng 6 bạn có thể chèn vào các giá trị bị thiếu bằng dữ liệu khác theo một số cách:Ví dụ 5: Thay thế giá trị bị thiếu bằng một giá trị vô hướng (scalar value)
Output:
Ví dụ 6: 6 cũng có thể được sử dụng trên một cột cụ thể. 0 Output: 1Ví dụ 7: Sử dụng tham số 8, các giá trị bị thiếu có thể được thay thế bằng các giá trị trước ( 9) hoặc sau ( 0) chúng. Key 1 sẽ giới hạn bao nhiêu giá trị trước/sau sẽ được lấy thay thế. 2Output: 3Chèn missing data Pandas cho phép bạn chèn giá trị vào missing data bằng 6 thì bạn cũng có thể làm ngược lại: chèn missing data vào vị trí đã có giá trị. Giá trị thiếu thực tế được sử dụng sẽ được chọn dựa trên dtype.Ví dụ 8: Chèn missing data cho các container (Series, DataFrame) chứa con số 4Output: 5Tạm kếtĐến đây mình đã trình bày về các thao tác với mising data hay sử dụng trong pandas. Hi vọng bài viết giúp ích cho các bạn. Các bạn có thể tìm hiểu thêm bằng cách truy cập các đường link trong phần tham khảo. Hãy để lời góp ý trong phần bình luận bên dưới. Cảm ơn các bạn đã đọc. Hẹn gặp lại trong các bài viết tiếp theo. Tham khảo1. http://pandas.pydata.org/pandas-docs/stable/user_guide/missing_data.html 2. https://pandas.pydata.org/pandas-docs/stable/user_guide/cookbook.html#cookbook-missing-data 3. https://towardsdatascience.com/handling-missing-values-with-pandas-b876bf6f008f |