Python NaN : Quatre méthodes pour vérifier les valeurs manquantes en Python

Dans le domaine de la science des données et de l'analyse, rencontrer des données manquantes est plus la règle que l'exception. Les valeurs manquantes peuvent fausser l'analyse, conduire à des conclusions erronées et, de manière générale, perturber le flux de traitement des données. Il est essentiel de combler ces lacunes afin de préserver l'intégrité de votre analyse. Cet article a pour objectif de vous présenter différentes méthodes permettant d'identifier les valeurs NaN (Not a Number) en Python.

Réponse succincte : Veuillez utiliser soit NumPy's isnan() fonction ou Pandas .isna() méthode

Lorsqu'il s'agit de traiter des valeurs manquantes en Python, l'approche dépend en grande partie de la structure des données avec laquelle vous travaillez.

Pour les valeurs uniques ou les tableaux : Utiliser NumPy

La fonction isnan() de NumPy est idéale pour identifier les NaN dans les tableaux numériques ou les valeurs uniques, offrant une solution simple et efficace. Le voici en action.

import numpy as np

# Single value check
my_missing_value = np.nan
print(np.isnan(my_missing_value))

# Output: True

# Array check
my_missing_array = np.array([1, np.nan, 3])
nan_array = np.isnan(my_missing_array)
print(nan_array)

# Output: [False  True False]

Pour les DataFrames : Utiliser Pandas

Pandas fournit des méthodes complètes telles que .isna() et .isnull() pour détecter les valeurs manquantes dans les objets DataFrame ou Series, s'intégrant de manière transparente aux flux de travail d'analyse des données.

import pandas as pd
import numpy as np

my_dataframe = pd.DataFrame({
    'Column1': ["I", "Love", np.nan], 
    'Column2': ["Python", np.nan, "The Best"]
})

print(my_dataframe.isna())

#    Column1  Column2
# 0    False    False
# 1    False     True
# 2     True    False

Lorsque vous exécutez ce code, le résultat indiquera la présence de valeurs NaN dans un contexte plus pertinent, comme illustré ci-dessus.

La différence entre NaN et None

Il est essentiel de comprendre la distinction entre NaN et None en Python. NaN est une représentation en virgule flottante de « Not a Number » (pas un nombre), principalement utilisée dans les calculs numériques. None, quant à lui, est un objet Python représentant l'absence de valeur, similaire au null dans d'autres langages. Alors que NaN est utilisé dans les calculs mathématiques ou scientifiques, « None » est plus polyvalent et indique l'absence de données.

Quatre méthodes pour détecter les valeurs NaN en Python

La navigation dans les ensembles de données afin d'identifier les valeurs manquantes constitue une étape essentielle du prétraitement des données. Explorons quatre méthodes pratiques pour vérifier les valeurs d'NaN e en Python, en poursuivant avec les exemples intéressants que nous avons déjà utilisés.

1. Vérification de la présence de NaN à l'aide de np.isnan()

Comme nous l'avons vu précédemment, NumPy offre une approche simple pour identifier les valeurs d'NaN, tant pour les valeurs individuelles que pour les tableaux, ce qui est essentiel pour l'analyse des données numériques.

import numpy as np

# Checking a single value
print(np.isnan(np.nan))

# Output: True

# Checking an array
my_array = np.array([1, 5, np.nan])
print(np.isnan(my_array))

# Output: [False False  True]

2. Vérification de NaN en utilisant pd.isna()

Pandas simplifie la détection des valeurs NaN dans les structures de données, des scalaires aux DataFrame complexes, ce qui le rend extrêmement utile pour les tâches de manipulation de données.

import numpy as np
import pandas as pd

# Checking a single value
print(pd.isna(np.nan))

# Output: True

# Checking a pandas Series
my_series = pd.Series(["Python", np.nan, "The Best"])
print(my_series.isna())

# Output:
# 0    False
# 1     True
# 2    False

# Checking a pandas DataFrame
my_dataframe = pd.DataFrame({
    'Column1': ["I", "Love", np.nan], 
    'Column2': ["Python", np.nan, "The Best"]
})

print(pd.isna(my_dataframe)) # Output a DataFrame with True for missing values

3. Vérification de NaN dans les DataFrames à l'aide de Pandas .isna() ou .isnull() méthodes

Les DataFrame Pandas proposent également les méthodes .isna() et .isnull() pour identifier facilement les valeurs manquantes dans les ensembles de données, offrant ainsi une vue d'ensemble claire de l'exhaustivité des données.

import numpy as np
import pandas as pd

# Create a dataframe with missing values
my_dataframe = pd.DataFrame({
    'Column1': ["I", "Love", np.nan], 
    'Column2': ["Python", np.nan, "The Best"]
})

print(my_dataframe.isna())
# Output:
#    Column1  Column2
# 0    False    False
# 1    False     True
# 2     True    False

print(my_dataframe.isnull())
# Output:
#    Column1  Column2
# 0    False    False
# 1    False     True
# 2     True    False

4. Vérification de NaN dans les DataFrames à l'aide de math.isnan()

Pour les vérifications de nombres individuels, la fonction math.isnan() offre une solution simple mais efficace, en particulier lorsqu'il s'agit de types de données Python purs.

import math

# Assuming my_number is a float or can be converted to one
my_number = float('nan')
print(math.isnan(my_number))

# Output: True

Conclusions et ressources supplémentaires

L'identification et la gestion des valeurs NaN constituent une étape fondamentale dans le nettoyage et la préparation de vos données en vue de leur analyse. Que vous travailliez avec des tableaux, des séries ou des cadres de données, il est essentiel de bien comprendre les outils et les méthodes disponibles dans Python pour traiter les données manquantes. Pour approfondir le sujet, veuillez consulter les ressources suivantes :

• Cursus de compétences Fondamentaux Python
• Cours d'introduction à Python
• Cours sur le nettoyage des données en Python
• Importation et nettoyage de données avec PythonSkill cursus
• Nettoyage des données dans Python Code-Along