Fill Missing Value

ภาพรวม

ค่าที่หายไปอาจทำให้คำนวณต่อไม่ได้ แต่การเติมค่าเป็นการตั้งสมมติฐานเกี่ยวกับข้อมูล คุณต้องเลือกกลยุทธ์และตรวจผลเอง เครื่องมือนี้เติมเฉพาะ null ไม่ถือว่าข้อความว่างหรือ N/A เป็น null โดยอัตโนมัติ

เมื่อไหร่ควรใช้

• มีค่า default ที่มีความหมายทางธุรกิจ เช่น สถานะไม่ระบุ
• ต้องการเติมค่าตัวเลขเพื่อการวิเคราะห์ โดยยอมรับสมมติฐานของ mean หรือ median

เมื่อไหร่ไม่ควรใช้

• ข้อมูลการเงิน รหัสบุคคล หรือผลตรวจที่ไม่ควรสร้างค่าแทนข้อเท็จจริง
• ลำดับแถวไม่มีความหมาย แต่กำลังจะใช้ ffill หรือ bfill

หลักการทำงาน

1. เลือก columns และ strategy: constant, mean, median, mode, ffill หรือ bfill
2. คำนวณสถิติจากค่าที่มีอยู่ในคอลัมน์ หรือเตรียมค่าจากแถวข้างเคียง
3. เติมเฉพาะ null โดยเก็บค่าเดิมในช่องอื่น หากไม่มีตัวเลขสำหรับ mean/median จะไม่สร้างค่าใหม่

ffill คัดลอกจากแถวก่อนหน้า ส่วน bfill ใช้แถวถัดไปและอาจนำข้อมูลอนาคตมาปนได้ โค้ดด้านล่างสาธิต constant เท่านั้น: [null, "", "A"] กลายเป็น ["ไม่ระบุ", "", "A"]

Parameters

โค้ด Python / JavaScript

import json
values = [None, '', 'A', 0, False]
result = ['ไม่ระบุ' if value is None else value for value in values]
assert result == ['ไม่ระบุ', '', 'A', 0, False]
print(json.dumps(result, ensure_ascii=False))

ตัวอย่างการใช้งาน

คอลัมน์อายุมีค่า 20, null, 30 เลือก median จะได้ 20, 25, 30 ตัวเลข 25 เป็นค่าประมาณ ไม่ใช่อายุที่ทราบจริง ต้องบันทึกเหตุผลการเติมในขั้นตอนทำงาน หากเป็นคอลัมน์ชื่อ ให้ใช้ constant ที่ชัดว่าไม่ระบุแทนสถิติ

เทคนิคที่เกี่ยวข้อง

ใช้ Detect Null Like ก่อนถ้าไฟล์ใช้ N/A แทน missing ใช้ Convert Type เมื่อต้องการให้ผลลัพธ์เป็นชนิดที่แน่นอน Remove Missing Rows เป็นอีกทางเลือกที่ต้องพิจารณาผลต่อจำนวนแถว

• Missing Value Detection
• Remove Missing Rows
• Convert Type

ลองใช้กับ Dataset ของคุณ