Notice
Recent Posts
Recent Comments
Link
| 일 | 월 | 화 | 수 | 목 | 금 | 토 |
|---|---|---|---|---|---|---|
| 1 | 2 | 3 | 4 | |||
| 5 | 6 | 7 | 8 | 9 | 10 | 11 |
| 12 | 13 | 14 | 15 | 16 | 17 | 18 |
| 19 | 20 | 21 | 22 | 23 | 24 | 25 |
| 26 | 27 | 28 | 29 | 30 | 31 |
Tags
- Kubernetes
- bigquery
- 심층신경망
- 대감집
- 파이썬
- docker
- 머신러닝
- 차원 축소
- 빅쿼리
- LDA
- 최적화
- 클러스터링
- Machine Learning
- 쿠버네티스
- TooBigToInnovate
- 대감집 체험기
- ADP
- python
- 구글
- Kaggle
- 프론트엔드
- 리액트
- r
- 캐글
- DBSCAN
- ADP 실기
- do it
- React
- 타입스크립트
- frontend
Archives
- Today
- Total
목록data cleaning (1)
No Story, No Ecstasy
[Kaggle Data Cleaning] Python basic code
# Data Cleaning import pandas as pd import numpy as np df = pd.DataFrame() # 1. Handling Missing Values # Check missing values count missing_values_count = df.isnull().sum() total_cells = np.product(df.shape) missing_cells = missing_values_count.sum() percent_missing = missing_cells / total_cells * 100 print(percent_missing) # Drop missing values # Row df.dropna() # drop rows if it have at least..
Data Science Series
2021. 4. 28. 21:54