Loading Data with Missing Values | Strong NumPy Foundation for Data Science & Machine Learning (मराठी)

Real-world data नेहमी perfect नसतो. CSV किंवा text file मध्ये एखाद्या student चे age, employee चे salary, sensor चे reading किंवा product चे price missing असू शकते.

NumPy मध्ये clean numeric text data load करण्यासाठी np.loadtxt() उपयोगी आहे. पण missing values असलेल्या text data साठी np.genfromtxt() जास्त flexible आहे.

1. Learning Outcomes#

या chapter नंतर तुम्हाला:

text data मधील missing value म्हणजे काय ते समजेल
np.genfromtxt() कधी आणि का वापरायचे ते समजेल
delimiter वापरून columns योग्य प्रकारे parse करता येतील
skip_header वापरून header rows skip करता येतील
usecols वापरून आवश्यक columns निवडता येतील
missing_values वापरून NA सारखे missing markers ओळखता येतील
filling_values वापरून missing data साठी replacement देता येईल
missing numeric values NaN म्हणून load करता येतील
loading करताना dtype ची भूमिका समजेल
dtype=None कधी उपयोगी पडू शकते याची basic awareness मिळेल
np.loadtxt() आणि np.genfromtxt() मधील practical फरक समजेल
inconsistent rows आणि genuine missing fields यातील फरक समजेल
loaded array चे shape आणि dtype तपासता येतील
np.isnan() वापरून missing values शोधता येतील
analysis सुरू करण्यापूर्वी parsed data validate करता येईल

2. Text Data मध्ये Missing Value म्हणजे काय?#

समजा आपल्याकडे student data आहे:

Name	Age	Score
Asha	21	88
Ravi	missing	74
Neha	23	missing

पहिल्या student ची दोन्ही numeric values उपलब्ध आहेत.

पण Ravi चे Age नाही.

Neha चा Score नाही.

ही unavailable values म्हणजे missing values.

Text file मध्ये missing value वेगवेगळ्या प्रकारे दिसू शकते:

Source value	Meaning
रिकामी field	value दिलेली नाही
`NA`	Not Available
`N/A`	Not Available
`?`	unknown value
`missing`	explicitly missing
custom marker	system-specific missing indicator

उदाहरणार्थ comma-separated row Ravi,,74 मध्ये दोन commas मधली जागा रिकामी आहे.

याचा अर्थ त्या column ची value missing आहे.

महत्त्वाचे

Missing value आणि 0 एकच गोष्ट नाही. 0 ही valid numeric value असू शकते. Missing म्हणजे value उपलब्ध नाही.

3. Missing Values असताना Normal Loading का अवघड होते?#

NumPy array मध्ये साधारणपणे एका array मधील values एक consistent dtype follow करतात.

जर data पूर्णपणे numeric असेल तर parsing सोपे असते.

पण file मध्ये numeric value च्या जागी NA आले तर parser समोर problem येते:

88 हे number आहे.

पण NA number नाही.

त्यामुळे loader ला सांगावे लागते:

columns कसे वेगळे करायचे
header कुठे आहे
कोणते columns load करायचे
कोणती value missing समजायची
missing value च्या जागी काय ठेवायचे
final numeric type कोणता असावा

हा पूर्ण flow असा समजा:

Visual Diagram80%

Rendering diagram…

यात np.genfromtxt() अनेक parsing decisions एकाच loading operation मध्ये manage करू शकते.

4. np.genfromtxt()#

np.genfromtxt() ही NumPy function text-based data load करण्यासाठी वापरली जाते.

विशेषतः data मध्ये missing values किंवा mixed parsing requirements असतील तर ती उपयोगी पडते.

Basic form:

PYTHON

import numpy as np

data = np.genfromtxt("students.csv")

पण real files साठी फक्त filename पुरेसे नसते.

आपल्याला अनेकदा delimiter, skip_header, usecols, missing_values, filling_values आणि dtype सांगावे लागतात.

एक practical form:

PYTHON

import numpy as np

data = np.genfromtxt(
    "students.csv",
    delimiter=",",
    skip_header=1,
    usecols=(1, 2),
    dtype=float,
    missing_values="NA",
    filling_values=np.nan
)

आत्ता प्रत्येक parameter step-by-step समजून घेऊ.

5. delimiter Parameter#

delimiter parser ला सांगतो की एका row मधील वेगवेगळ्या fields कोणत्या character ने separate केल्या आहेत.

Comma-separated file असेल तर:

PYTHON

delimiter=","

Semicolon-separated file असेल तर:

PYTHON

delimiter=";"

Tab-separated data साठी tab delimiter वापरता येतो.

छोटा Example#

Source data conceptually असा आहे:

Name	Age	Score
Asha	21	88
Ravi	missing	74
Neha	23	missing

जर text source मध्ये fields comma ने separated असतील तर loader ला comma सांगणे आवश्यक आहे.

PYTHON

data = np.genfromtxt(
    "students.csv",
    delimiter=","
)

Common Mistake

File comma-separated असताना delimiter=";" दिला तर parser योग्य columns तयार करू शकणार नाही.

म्हणून delimiter अंदाजाने देऊ नका.

Source file प्रत्यक्षात कोणता separator वापरतो ते तपासा.

6. skip_header#

CSV files मध्ये पहिली row अनेकदा column names ठेवते.

उदाहरण:

student	age	score
Asha	21	88
Ravi	missing	74

इथे student, age, score ही data values नाहीत.

ते headers आहेत.

जर आपल्याला numeric data load करायचा असेल तर header skip करणे आवश्यक असू शकते.

PYTHON

data = np.genfromtxt(
    "students.csv",
    delimiter=",",
    skip_header=1
)

skip_header=1 म्हणजे सुरुवातीची एक line ignore करा.

जर file च्या सुरुवातीला दोन metadata lines असतील तर:

PYTHON

skip_header=2

Remember

skip_header columns skip करत नाही. तो file च्या सुरुवातीच्या rows किंवा lines skip करतो.

7. usecols#

कधी file मध्ये अनेक columns असतात, पण आपल्याला फक्त काही numeric columns आवश्यक असतात.

समजा file मध्ये:

Column Position	Column
0	Name
1	Age
2	Score
3	City

आपल्याला फक्त Age आणि Score load करायचे आहेत.

मग:

PYTHON

usecols=(1, 2)

Complete example:

PYTHON

data = np.genfromtxt(
    "students.csv",
    delimiter=",",
    skip_header=1,
    usecols=(1, 2),
    dtype=float
)

इथे:

column 1 म्हणजे Age
column 2 म्हणजे Score

Key Idea

usecols मुळे unnecessary columns load करण्याची गरज राहत नाही. विशेषतः text columns असलेल्या file मधून फक्त numeric columns काढताना हे खूप उपयोगी आहे.

8. Missing Numeric Fields Load करणे#

आता actual missing fields पाहू.

आपला source data असा आहे:

Name	Age	Score
Asha	21	88
Ravi	missing	74
Neha	23	missing

Learning example runnable ठेवण्यासाठी आपण StringIO वापरणार आहोत.

StringIO string ला file सारखे वाचण्यास मदत करते.

हा NumPy concept नाही; फक्त example साठी convenient source आहे.

PYTHON

import numpy as np
from io import StringIO

raw_data = """name,age,score
Asha,21,88
Ravi,,74
Neha,23,
"""

data = np.genfromtxt(
    StringIO(raw_data),
    delimiter=",",
    skip_header=1,
    usecols=(1, 2),
    dtype=float
)

print(data)

Expected Output#

TEXT

[[21. 88.]
 [nan 74.]
 [23. nan]]

आता हे output समजून घेऊ.

पहिली row:

21 आणि 88 दोन्ही values उपलब्ध आहेत.

म्हणून array मध्ये 21. आणि 88. आले.

दुसऱ्या row मध्ये age missing होती.

म्हणून त्या जागी nan आले.

तिसऱ्या row मध्ये score missing होती.

म्हणून त्या जागीही nan आले.

nan म्हणजे Not a Number.

पण इथे त्याचा practical उपयोग missing numeric value represent करण्यासाठी होत आहे.

9. NaN चा Mental Model#

NaN ला अशी temporary information समजा:

"या numeric position वर सध्या usable number उपलब्ध नाही."

त्यामुळे आपण actual 0 टाकून data चा अर्थ बदलत नाही.

Missing value handling चा flow असा दिसतो:

Visual Diagram80%

Rendering diagram…

महत्त्वाचे

NaN म्हणजे zero नाही. NaN म्हणजे missing किंवा undefined numeric information represent करणारी special floating-point value.

10. missing_values#

Real files मध्ये missing value नेहमी blank field म्हणून येईलच असे नाही.

काही datasets मध्ये:

NA

किंवा:

N/A

किंवा:

?

असा marker असू शकतो.

missing_values parameter वापरून आपण parser ला सांगू शकतो की कोणती value missing म्हणून treat करायची.

उदाहरण:

ID	Score
101	88
102	NA
103	76

Code:

PYTHON

import numpy as np
from io import StringIO

raw_data = """id,score
101,88
102,NA
103,76
"""

data = np.genfromtxt(
    StringIO(raw_data),
    delimiter=",",
    skip_header=1,
    dtype=float,
    missing_values="NA",
    filling_values=np.nan
)

print(data)

Expected Output#

TEXT

[[101.  88.]
 [102.  nan]
 [103.  76.]]

इथे NA हा text आहे.

पण आपण:

PYTHON

missing_values="NA"

असे सांगितले.

म्हणून NumPy ने NA ला normal numeric value म्हणून convert करण्याचा प्रयत्न केला नाही.

त्याने ती missing value म्हणून ओळखली.

11. filling_values#

Missing value ओळखल्यानंतर पुढचा प्रश्न असतो:

त्या जागी ठेवायचे काय?

यासाठी filling_values वापरतो.

उदाहरण:

PYTHON

filling_values=np.nan

याचा अर्थ:

missing value आढळली तर np.nan वापरा.

काही परिस्थितीत:

PYTHON

filling_values=0

असेही करता येते.

पण इथे मोठी practical काळजी आहे.

Warning

Missing value ला blindly 0 ने replace करू नका. 0 हा genuine observation असू शकतो. त्यामुळे average, total आणि इतर analysis चुकीचे होऊ शकतात.

उदाहरणार्थ salary missing आहे म्हणजे salary zero आहे असा अर्थ होत नाही.

Sensor reading missing आहे म्हणजे sensor ने zero measure केले असा अर्थ होत नाही.

म्हणून numeric analytical data मध्ये np.nan अनेकदा safer representation असते.

12. Blank Fields ला Custom Value ने Fill करणे#

खाली missing fields च्या जागी 0 intentionally वापरले आहे, फक्त filling_values चे behavior समजण्यासाठी.

PYTHON

import numpy as np
from io import StringIO

raw_data = """age,score
21,88
,74
23,
"""

data = np.genfromtxt(
    StringIO(raw_data),
    delimiter=",",
    skip_header=1,
    dtype=float,
    filling_values=0
)

print(data)

Expected Output#

TEXT

[[21. 88.]
 [ 0. 74.]
 [23.  0.]]

Code technically योग्य आहे.

पण analysis योग्य आहे की नाही हे business meaning वर अवलंबून आहे.

"Code चालला" म्हणजे "data decision योग्य आहे" असे नाही.

13. dtype During Loading#

dtype parser ला final values कोणत्या data type मध्ये ठेवायच्या याबद्दल direction देतो.

Numeric data आणि missing values साठी आपण अनेकदा:

PYTHON

dtype=float

वापरतो.

याचे महत्त्व असे आहे की np.nan ही floating-point special value आहे.

म्हणून missing numeric data NaN म्हणून ठेवायचा असेल तर floating-point representation practical आहे.

Complete example:

PYTHON

data = np.genfromtxt(
    "scores.csv",
    delimiter=",",
    skip_header=1,
    dtype=float,
    missing_values="NA",
    filling_values=np.nan
)

Interview Point

When numeric data can contain missing values represented as NaN, a floating-point dtype is commonly used because NaN is a floating-point value.

14. dtype=None — Basic Awareness#

कधी text file मध्ये mixed columns असतात.

उदाहरण:

Name	Score
Asha	88
Ravi	74

पहिला column string आहे.

दुसरा numeric आहे.

अशा situation मध्ये dtype=None वापरल्यास NumPy available data पाहून suitable types infer करण्याचा प्रयत्न करू शकतो.

उदाहरण:

PYTHON

import numpy as np
from io import StringIO

raw_data = """name,score
Asha,88
Ravi,74
"""

data = np.genfromtxt(
    StringIO(raw_data),
    delimiter=",",
    skip_header=1,
    dtype=None,
    encoding="utf-8"
)

Mixed types असल्यामुळे result साध्या homogeneous 2D float array सारखा असेलच असे नाही.

तो structured representation होऊ शकतो.

या chapter मध्ये एवढे लक्षात ठेवा:

dtype=float — pure numeric analysis साठी simple आणि predictable
dtype=None — NumPy ला type inference करू द्यायची असल्यास उपयोगी
mixed-type files हाताळताना resulting structure तपासणे आवश्यक

Remember

dtype=None म्हणजे "dtype नाही" असा अर्थ नाही. NumPy data पाहून dtype infer करण्याचा प्रयत्न करतो.

15. delimiter + skip_header + usecols एकत्र वापरणे#

आता तीन important parameters एकत्र वापरू.

समजा source:

Name	Age	Score	City
Asha	21	88	Pune
Ravi	missing	74	Nashik
Neha	23	missing	Mumbai

आपल्याला फक्त Age आणि Score पाहिजेत.

PYTHON

import numpy as np
from io import StringIO

raw_data = """name;age;score;city
Asha;21;88;Pune
Ravi;;74;Nashik
Neha;23;;Mumbai
"""

data = np.genfromtxt(
    StringIO(raw_data),
    delimiter=";",
    skip_header=1,
    usecols=(1, 2),
    dtype=float
)

print(data)

Expected Output#

TEXT

[[21. 88.]
 [nan 74.]
 [23. nan]]

या एका example मध्ये:

delimiter=";" ने semicolon-separated fields split केले.

skip_header=1 ने header काढला.

usecols=(1, 2) ने Age आणि Score निवडले.

dtype=float ने numeric floating-point array तयार केला.

रिकाम्या numeric fields nan म्हणून आल्या.

हा pattern real data-loading tasks मध्ये खूप common आहे.

16. Complete Missing Marker Example#

आता file blank fields वापरत नाही.

तो NA marker वापरतो.

PYTHON

import numpy as np
from io import StringIO

raw_data = """student,age,score
Asha,21,88
Ravi,NA,74
Neha,23,NA
"""

data = np.genfromtxt(
    StringIO(raw_data),
    delimiter=",",
    skip_header=1,
    usecols=(1, 2),
    dtype=float,
    missing_values="NA",
    filling_values=np.nan
)

print(data)
print(data.shape)
print(data.dtype)

Expected Output#

TEXT

[[21. 88.]
 [nan 74.]
 [23. nan]]
(3, 2)
float64

float64 हा common NumPy result आहे. Exact floating dtype platform किंवा explicit configuration वर अवलंबून बदलू शकतो, म्हणून practical code मध्ये dtype inspect करणे चांगली सवय आहे.

17. np.loadtxt() vs np.genfromtxt()#

दोन्ही functions text files मधून data load करू शकतात.

पण त्यांचा practical use वेगळा आहे.

Point	`np.loadtxt()`	`np.genfromtxt()`
Clean numeric text	Excellent choice	Works
Missing fields	Less suitable	Designed for flexible handling
Missing markers	Limited compared with genfromtxt	`missing_values` available
Replacement values	Not the main use case	`filling_values` available
Simple clean files	Simple and direct	Slightly more flexible
Messy text data	Often inconvenient	Better choice

सोप्या भाषेत:

Clean numeric file असेल तर np.loadtxt() पुरेसे असू शकते.

Missing values किंवा parsing flexibility लागणार असेल तर np.genfromtxt() जास्त suitable आहे.

Key Idea

Function "better" किंवा "worse" नसते. Source data च्या nature नुसार योग्य loader निवडायचा असतो.

18. Missing Field आणि Inconsistent Row वेगळे आहेत#

हा फरक खूप महत्त्वाचा आहे.

Expected तीन columns आहेत:

Name, Age, Score

Valid row:

Asha,21,88

Missing age असलेली पण structurally valid row:

Ravi,,74

इथे अजूनही तीन fields आहेत:

Ravi
blank
74

पण ही row:

Ravi,74

वेगळी आहे.

Parser च्या दृष्टीने आता फक्त दोन fields दिसू शकतात.

हे missing field representation नसून row structure mismatch असू शकते.

Row	Interpretation
`Asha,21,88`	complete row
`Ravi,,74`	three fields, middle value missing
`Ravi,74`	fewer fields than expected

np.genfromtxt() missing fields handle करण्यास flexible आहे.

पण malformed किंवा inconsistent rows हा वेगळा data-quality problem आहे.

Warning

Missing values handle करणारी function वापरली म्हणून malformed rows automatically trustworthy होत नाहीत.

जर inconsistent rows मुळे parsing error मिळाला तर source data inspect करा.

Wrong row structure silently ignore करून analysis सुरू करणे dangerous ठरू शकते.

19. Loaded Array चे Shape तपासणे#

Data successfully load झाला म्हणजे काम संपले नाही.

पहिली validation:

PYTHON

print(data.shape)

जर आपल्याला 3 rows आणि 2 columns अपेक्षित असतील तर:

Expected Result#

TEXT

(3, 2)

Shape चुकीचा असेल तर शक्य कारणे:

wrong delimiter
unexpected header lines
wrong usecols
malformed rows
source file अपेक्षेपेक्षा वेगळी

महत्त्वाचे

Analysis करण्यापूर्वी shape तपासणे ही छोटी पण खूप useful habit आहे.

20. Loaded Array चा dtype तपासणे#

दुसरी basic validation:

PYTHON

print(data.dtype)

Numeric missing-value example मध्ये आपल्याला floating dtype अपेक्षित असतो.

यामुळे दोन गोष्टी समजतात:

parsing expected type मध्ये झाले का
NaN सारख्या missing numeric values represent होऊ शकतात का

जर expected numeric data unexpected string-like किंवा structured form मध्ये आला असेल तर पुढे जाण्यापूर्वी loading configuration तपासा.

21. np.isnan() ने Missing Values शोधणे#

NaN values load झाल्यानंतर त्या positions शोधण्यासाठी:

PYTHON

np.isnan(data)

वापरता येते.

Example:

PYTHON

import numpy as np

data = np.array([
    [21.0, 88.0],
    [np.nan, 74.0],
    [23.0, np.nan]
])

missing_mask = np.isnan(data)

print(missing_mask)

Expected Output#

TEXT

[[False False]
 [ True False]
 [False  True]]

False म्हणजे त्या position वर value missing नाही.

True म्हणजे त्या position वर NaN आहे.

याला boolean mask म्हणतात.

22. Array मध्ये एक तरी Missing Value आहे का ते तपासणे#

PYTHON

print(np.isnan(data).any())

Expected Output#

TEXT

True

इथे कमीतकमी एक NaN असल्यामुळे result True आहे.

23. किती Missing Values आहेत ते मोजणे#

Boolean values मध्ये True गणनेत 1 सारखे count होते.

त्यामुळे:

PYTHON

print(np.isnan(data).sum())

Expected Output#

TEXT

आपल्या array मध्ये दोन missing positions आहेत.

हा check analysis सुरू करण्यापूर्वी useful आहे.

24. कोणत्या Rows मध्ये Missing Values आहेत?#

Row-level validation साठी:

PYTHON

print(np.isnan(data).any(axis=1))

Expected Output#

TEXT

[False  True  True]

याचा अर्थ:

पहिल्या row मध्ये missing value नाही
दुसऱ्या row मध्ये किमान एक missing value आहे
तिसऱ्या row मध्ये किमान एक missing value आहे

इथे axis=1 row मधील columns तपासण्यासाठी वापरले आहे.

या chapter साठी एवढे लक्षात ठेवा की row-wise missing detection करता येते.

25. Analysis Before Validation#

Real data workflow मध्ये loading नंतर लगेच average किंवा statistical calculation करू नका.

पहिले data validate करा.

Practical flow:

Visual Diagram80%

Rendering diagram…

यात एक important lesson आहे:

Parsing आणि analysis हे दोन वेगळे stages आहेत.

पहिले data योग्य parse झाला आहे याची खात्री करा.

नंतरच analysis करा.

26. Practical Validation Example#

PYTHON

import numpy as np
from io import StringIO

raw_data = """student,age,score
Asha,21,88
Ravi,NA,74
Neha,23,NA
"""

data = np.genfromtxt(
    StringIO(raw_data),
    delimiter=",",
    skip_header=1,
    usecols=(1, 2),
    dtype=float,
    missing_values="NA",
    filling_values=np.nan
)

print("Shape:", data.shape)
print("Dtype:", data.dtype)
print("Missing values:", np.isnan(data).sum())
print("Has missing:", np.isnan(data).any())

Expected Output#

TEXT

Shape: (3, 2)
Dtype: float64
Missing values: 2
Has missing: True

या चार checks मधून आपल्याला लगेच useful information मिळते:

किती rows आणि columns load झाले
final dtype काय आहे
किती missing values आहेत
missing data आहे की नाही

27. Real File साठी Practical Pattern#

Actual CSV file वापरताना code असा दिसू शकतो:

PYTHON

import numpy as np

data = np.genfromtxt(
    "students.csv",
    delimiter=",",
    skip_header=1,
    usecols=(1, 2),
    dtype=float,
    missing_values="NA",
    filling_values=np.nan
)

print(data.shape)
print(data.dtype)
print(np.isnan(data).sum())

इथे प्रत्येक parameter चा clear purpose आहे.

Parameter	Purpose
`"students.csv"`	source file
`delimiter=","`	comma-separated fields
`skip_header=1`	header row ignore करणे
`usecols=(1, 2)`	specific columns load करणे
`dtype=float`	numeric float array तयार करणे
`missing_values="NA"`	`NA` ला missing समजणे
`filling_values=np.nan`	missing positions वर NaN ठेवणे

ही parameter list memorize करण्यापेक्षा प्रत्येक parameter कोणती problem solve करतो ते समजणे महत्त्वाचे आहे.

28. Common Mistakes#

Wrong delimiter#

Source comma-separated आहे पण code:

PYTHON

delimiter=";"

असे वापरतो.

Result चुकीचा parse होऊ शकतो.

Fix:

PYTHON

delimiter=","

Header skip न करणे#

पहिली row text headers ठेवते, पण numeric loader ती data म्हणून process करण्याचा प्रयत्न करतो.

Fix:

PYTHON

skip_header=1

Wrong usecols indexes#

Columns zero-based positions ने select करताना index चुकीचा घेणे common आहे.

Name, Age, Score साठी:

Name → 0
Age → 1
Score → 2

Age आणि Score:

PYTHON

usecols=(1, 2)

Missing marker mismatch#

File मध्ये:

NA

आहे.

पण code मध्ये:

PYTHON

missing_values="MISSING"

आहे.

Marker match होत नाही.

Correct:

PYTHON

missing_values="NA"

Missing ला blindly zero करणे#

PYTHON

filling_values=0

technically चालू शकते.

पण zero आणि missing यांचा अर्थ वेगळा असल्यास analysis distort होईल.

Validation न करता analysis सुरू करणे#

Data load झाला म्हणून:

PYTHON

data.mean()

लगेच करणे योग्य workflow नाही.

पहिले:

shape
dtype
missing count
suspicious rows

तपासा.

"घाईचे काम शैतानाचे" ही म्हण data analysis मध्ये अगदी लागू पडते.

29. Job-Ready Loading Checklist#

Text data load करताना हा छोटा checklist वापरा:

Source delimiter ओळखा.
Header lines आहेत का ते तपासा.
आवश्यक columns ठरवा.
Missing representation पहा.
योग्य dtype ठरवा.
Missing replacement consciously निवडा.
Data load करा.
shape तपासा.
dtype तपासा.
NaN detect करा.
Missing count तपासा.
मगच analysis सुरू करा.

30. Quick Recap#

या chapter मधून मुख्य गोष्टी:

missing value म्हणजे unavailable data
blank field, NA, ? इत्यादी missing representation असू शकतात
np.genfromtxt() missing text data handle करण्यासाठी flexible आहे
delimiter field separator सांगतो
skip_header सुरुवातीच्या rows skip करतो
usecols specific columns निवडतो
missing_values missing markers define करतो
filling_values missing position वर replacement ठरवतो
numeric missing values साठी np.nan useful आहे
dtype=float आणि NaN practical combination आहे
dtype=None type inference साठी वापरता येतो
np.loadtxt() clean data साठी simple आहे
np.genfromtxt() missing-data scenarios साठी जास्त flexible आहे
blank field आणि malformed row एकच गोष्ट नाही
loading नंतर shape, dtype आणि missing values validate करणे आवश्यक आहे
np.isnan() वापरून NaN detect करता येतो

Summary

Reliable analysis ची सुरुवात calculation पासून होत नाही. ती data योग्य प्रकारे load आणि validate करण्यापासून होते.

Printing is unavailable

1. Learning Outcomes#

2. Text Data मध्ये Missing Value म्हणजे काय?#

3. Missing Values असताना Normal Loading का अवघड होते?#

4. np.genfromtxt()#

5. delimiter Parameter#

छोटा Example#

6. skip_header#

7. usecols#

8. Missing Numeric Fields Load करणे#

Expected Output#

9. NaN चा Mental Model#

10. missing_values#

Expected Output#

11. filling_values#

12. Blank Fields ला Custom Value ने Fill करणे#

Expected Output#

13. dtype During Loading#

14. dtype=None — Basic Awareness#

15. delimiter + skip_header + usecols एकत्र वापरणे#

Expected Output#

16. Complete Missing Marker Example#

Expected Output#

17. np.loadtxt() vs np.genfromtxt()#

18. Missing Field आणि Inconsistent Row वेगळे आहेत#

19. Loaded Array चे Shape तपासणे#

Expected Result#

20. Loaded Array चा dtype तपासणे#

21. np.isnan() ने Missing Values शोधणे#

Expected Output#

22. Array मध्ये एक तरी Missing Value आहे का ते तपासणे#

Expected Output#

23. किती Missing Values आहेत ते मोजणे#

Expected Output#

24. कोणत्या Rows मध्ये Missing Values आहेत?#

Expected Output#

25. Analysis Before Validation#

26. Practical Validation Example#

Expected Output#

27. Real File साठी Practical Pattern#

28. Common Mistakes#

Wrong delimiter#

Header skip न करणे#

Wrong usecols indexes#

Missing marker mismatch#

Missing ला blindly zero करणे#

Validation न करता analysis सुरू करणे#

29. Job-Ready Loading Checklist#

30. Quick Recap#