Čtení na doma: Doplnění chybějících hodnot
V některých případech je možné prázdné hodnoty doplnit. Při doplňování chybějících hodnot musíme být vždy velmi opatrní, protože doplněním nesprávné hodnoty dojde ke zkreslení výsledků analýz, které s daty provádíme. Před doplněním prázdné hodnoty je dobré vždy vědět, proč hodnoty chybí, to nám pomůže rozhodnout se, zda a jak chybějící hodnoty doplnit.
K doplnění můžeme využít metodu fillna(), ffill() a bfill(). Metoda fillna() metoda se nejčastěji používá k doplnění konstantní hodnoty. Metody ffill() a bfill() umí doplnit předcházející nebo následující neprázdnou hodnotu. Uvažujme například, že máme data ze čtečky čárových kódů, která jsou v souboru barcode_reader.csv. Čtečka ukládá informace o činnosti uživatelů a uživatelek, např. přihlášení, přijetí položky, uskladnění položky, zabalení položky atd. V programu pro zápis je ale chyba, zapisuje uživatelské jméno pouze při přihlášení. Víme, že všechny následující akce provedl přihlášený uživatel, a to až do přihlášení dalšího uživatele nebo uživatelky. Využijeme tedy metodu ffill(). Metoda pak do prázdných řádků doplní nejbližší předcházející neprázdnou hodnotu.
import pandas as pd
data = pd.read_csv("barcode_reader.csv")
data['user_name'] = data['user_name'].ffill()
Výsledek metody ffill() nemusíme vždy ukládat do stejného sloupce. Můžeme ho uložit do nového sloupce, pokud chceme zachovat původní data pro porovnání. Například:
data['user_name_filled'] = data['user_name'].ffill()
Tak máme v tabulce oba sloupce - původní user_name s prázdnými hodnotami i nový user_name_filled s doplněnými hodnotami.