Pandas

Vista general

El problema se refiere a la gestión de los datos faltantes en un DataFrame de pandas, mismo que representa la información de los alumnos. Especificamente, hay algunas filas en las que la columna name está vacía (contiene valores como None ó NaN). El objetivo es eliminar esas filas del DataFrame utilizando la función dropna de pandas.

Conceptos clave:

1. Función dropna: esta función pertenece a la libreria pandas y se utiliza para eliminar valores faltantes. Los valores faltantes en pandas, generalmente se representan con el valor NaN (abreviatura para Not a Number), aunque en el ejemplo aparece None, el cual también se considera un valor faltante.

A continuación se muestra un uso general de la función dropna:

DataFrame.dropna(axis=0,
                 how='any',
                 thresh=None,
                 subset=None,
                 inplace=False)

Argumentos de la función dropna:

1. axis: Puede ser 0 o 'index', 1 o 'columns'. Por default es 0. Si axis=0, elimina las filas que contienen valores nulos, y si axis=1, elimina las columnas que contienen valores nulos.
2. how: Determina si una fila o columna se elimina del DataFrame.
   • how='any': Si al menos un valor NaN está presente, elimina esa fila o columna (default).
   • how='all': Si todos los valores son NaN, elimina esa fila o columna.
3. thresh: Requiere muchos valores non-NaN. Este parámetro es un valor entero que especifica un número mínimo de valores non-NaN para conservar la fila/columna.
4. subset: Etiquetas a lo largo del otro eje a tener en cuenta, por ejemplo, si está eliminando filas, éstas serían una lista de columnas a incluir. Esto es particularmente útil cuando solo se desea considerar la presencia de valores NaN en ciertas columnas.
5. inplace: Es un valor booleano que indica que queremos modificar el mismo DataFrame si se define como inplace=True. Si se desea conservar el DataFrame original intacto, evite usar inplace=True y asigne el resultado a una nueva variable de tipo DataFrame.

Intuición

Necesitamos usar la función dropna para eliminar las filas con información faltante en base a la columna name. Podemos realizar esto de la siguiente manera:

• Solo estamos considerando la columna name, de manera que usamos subset=['name']. Este argumento le dice a dropna que considere solo la columna name para identificar filas con valores faltantes. Asi que, solo las filas donde la columna name tiene valores faltantes serán eliminadas.
• Necesitamos modificar el DataFrame original, asi que usamos inplace=True. De esta forma, estaremos modificando el DataFrame students directamente. Si se usa inplace=False (o si se omite este argumento), entonces se estará creando un nuevo DataFrame con la información eliminada y el DataFrame students original se quedaría intacto.

students.dropna(subset=['name'], inplace=True)

Visualización de la función dropna

Cuando se pasa este DataFrame a la función:

student_id	name	age
32	Piper	5
217	Grace	19
779	None	20
849	None	14

Retornará:

student_id	name	age
32	Piper	5
217	Grace	19

Implementación

import pandas as pd


def dropMissingData(students: pd.DataFrame) -> pd.DataFrame:
    students.dropna(subset=['name'], inplace=True)
    return students