Guides

pandas मध्ये missing values कसे handle करायचे

By Ravindra Bagale, Data Science & Data Analytics trainer · LinkedIn · Published: 1 October 2026 · Last updated: 3 October 2026

Read this guide in: English · मराठी · हिंदी

Missing values NaN म्हणून दिसतात. आधी detect करा, मग dropna किंवा fillna निवडा, मग totals पुन्हा check. Netflix-style: watches 100, NaN, 90 → fillna(0) नंतर sum 190.

चला मित्रांनो! रिकाम्या cells naive sums तोडतात आणि charts गोंधळतात. आज missing watches प्रामाणिक rules ने clean करूया — जादू नाही. समजलं का? शेवटी पुन्हा check.

detect → decide → dropna/fillna → verify → document

Language: English · मराठी · हिंदी

या guide आधी काय हवं?

• किमान एक messy column असलेला DataFrame.
• Course: Types, missing, duplicates.

Before आणि after

Before: Show B = NaN. After: 0 ने fill; total watches 190.

Missing values का येतात?

1. Export मध्ये blank cell.
2. API field skip.
3. Spaces टाइप — number नाही.
4. Join/merge gaps.

का महत्त्वाचं: chart NaNs gaps म्हणून दाखवू शकतो किंवा points गिळू शकतो. Managers मग भूतांशी भांडतात.

Netflix-style sample

import pandas as pd
import numpy as np

df = pd.DataFrame({
    "title": ["Show A", "Show B", "Show C"],
    "watches": [100, np.nan, 90],
})
df.isna().sum()

काय दिसेल: watches missing count 1.

Detect (दर वेळी)

1. df.isna().sum()
2. df.isna().mean() — optional share.
3. df.info() — non-null vs rows.
4. isna() filter ने spot-check.

Decide: drop की fill?

dropna — प्रामाणिक कधी

1. त्या field शिवाय row निरुपयोगी.
2. Missing दुर्मिळ.
3. किती rows काढल्या ते document.

clean = df.dropna(subset=["watches"])

fillna — 0 (किंवा दुसरी value) प्रामाणिक कधी

1. Counts साठी 0 = “watches नोंद नाही” असू शकतो.
2. Categories साठी "unknown" label.
3. काही numeric EDA मध्ये median — notes मध्ये सांगा.

df["watches"] = df["watches"].fillna(0)
print(df["watches"].sum())  # 190

Shop sales blank

Pune sales रिकामी असेल:

1. खरी sale पण amount unknown — business न विचारता 0 fill करू नका.
2. Blank = “sale line नाही” — कदाचित row drop.
3. Cleaning = Python कपड्यांमधली business conversation.

आधी rename / strip (वारंवार)

df["city"] = df["city"].astype(str).str.strip()
df["watches"] = pd.to_numeric(df["watches"], errors="coerce")

errors="coerce" junk → NaN, मग NaN मुद्दाम handle.

Duplicates (शेजारी topic)

Missing आणि duplicates वेगळे रोग. fillna नंतर df.duplicated().sum() पहा.

Outliers ≠ NaN

Outlier = आश्चर्यकारक पण अस्तित्वात असलेला number. NaN = छिद्र.

समजलं का? NaN detect, drop किंवा fill निवडा, total verify, rule लिहा. मग EDA. आता पुढे जाऊया.