Conversión de valores faltantes implícitos en explícitos

Clase 9 de 21 • Curso de Manejo de Datos Faltantes: Detección y Exploración

Jeinfferson Bernal G

student•

Estrategia para la identificacion de valores faltantes implicitos

Pivotar la tabla de datos. Pivotar es tomar una columna de referencia sobre la cual se quiere extender sus categorias de manera que muestre una nueva visualizacion de los datos

(
    implicit_to_explicit_df
    .pivot_wider(
        index="name",        # variable nombre como filas
        names_from="time",   # variable time como columnas
        values_from="value"  # variable value como valores de la tabla
    )
)

Cuantificar ocurrencias de N-tuplas

(
    implicit_to_explicit_df
    .value_counts(
        subset=["name"]   # cuenta los valores asociados a los nombres
    )
    .reset_index(name="n")  # asigna n como indice del conteo
    .query("n < 3")         # condicion a cumplir por n para que se muestre en la tabla
)

Nixon Rolando García Ramírez

student•

Algo curioso es que por mi parte no encontre la funcion .

pivot_wider

Pero la que si enocontre fue la sieguiente, donde lo unico que cambia es que el campo names_from se llama colums y el campo values_from se llama values.

pd.pivot(data = implicit_to_explicit_df,
    index="name",        # variable nombre como filas
    columns="time",   # variable time como columnas
    values="value"  # variable value como valores de la tabla
)

Nestor Colmenarez

student•

la verdad tampoco me aperecio ese metodo....

Alberto Duque Villegas

student•

Gracias por tu solución.

Añado una Solución de ChatGPT:

pivoted_df = implicit_to_explicit_df.pivot(index="name", columns="time", values="value")

Que ejecuta la siguiente salida:

pivoted_df

Jeinfferson Bernal G

student•

"Implícito se refiere a todo aquello que se entiende que está incluido pero sin ser expresado de forma directa o explícitamente."

Un valor faltante implícito indica que el valor faltante debería estar incluido en el conjunto de datos del análisis, sin que éste lo diga o lo especifique. Por lo general, son valores que podemos encontrar al pivotar nuestros datos o contabilizar el número de apariciones de combinaciones de las variables de estudio.

Nixon Rolando García Ramírez

student•

Esta clase me dejo viendo el mundo de otra forma jajajaja

Jose Luis Quintero Sánchez

student•

Dataframe de valores implícitos:

implicit_to_explicit_df = pd.DataFrame.from_dict(
    data={
        "name": ["lynn", "lynn", "lynn", "zelda"],
        "time": ["morning", "afternoon", "night", "morning"],
        "value": [350, 310, np.nan, 320]
    }
)

implicit_to_explicit_df

Pablo Alejandro Figueroa

student•

gracias.:!

Naren Fragozo

student•

📢 Explícito y implícito

"Explícito" es algo que se dice o se muestra de manera clara y directa, sin dejar lugar a dudas. Es decir, es algo que se expresa abiertamente y sin rodeos.
Por otro lado, "implícito" se refiere a algo que no se dice o se muestra de forma directa, sino que se da a entender de manera indirecta o sugerida. Es decir, es algo que no está explícitamente expresado, pero se puede deducir o inferir a partir de lo que se dice o se muestra.

Por ejemplo

Si te digo "tengo hambre, ¿quieres ir a comer algo conmigo?", la invitación a comer algo es explícita, ya que se dice de manera directa. Pero si te digo "tengo hambre, qué bien huele ese restaurante", la invitación no está expresada de forma directa, pero se puede entender implícitamente que te estoy invitando a comer en ese restaurante.

Rubén Téllez Gerardo

student•

Con seguridad en algún momento necesitarán realizar lo contrario a un pivotaje, pues la mayoría de algoritmos requiere la computación explicita de 2 variables. Esto puede hacerse con pd.melt.

pd.melt(
    itoe_pivoted.reset_index(),
    id_vars = ["name"],
    value_vars = ["afternoon", "morning", "night"]
)

El resultado es el siguiente:

ANDRES EDUARDO MEDINA FERNANDEZ

student•

Me queda una duda al hacer : ( implicit_to_explicit_df .value_counts( subset= ["name"] ) .reset_index(name="n") .query("n<3") ) Se visualiza los datos que tiene menos de tres ocurrenias, pero si una variable tiene datos faltantes explicitos como lo era lynn, no lo va a mostrar?

Leandro Tenjo

student•

Lo que queremos es hacer visibles los datos faltantes implícitos para convertirlos en explicito. Después de eso, todos los valores faltantes tendrán el mismo formato y podremos analizarlos tranquilamente.

Cesar Prada

student•

Identificar los valores faltantes es crucial para garantizar la calidad y precisión de tus análisis de datos. Estos valores pueden distorsionar tus conclusiones y, por tanto, es esencial tratarlos adecuadamente. Al identificar patrones en los datos faltantes, puedes optar por eliminar registros incompletos o aplicar técnicas de imputación que estimen los valores. Esto mejora la validez de tus modelos y análisis, lo que es fundamental en áreas como la inteligencia artificial y el análisis de datos.

Mario Alexander Vargas Celis

student•

La **conversión de valores faltantes implícitos en explícitos** es una técnica para transformar valores "ocultos" o "implícitos" que pueden representar la falta de datos en un formato claro y explícito dentro de un DataFrame. Los valores faltantes implícitos son aquellos que no se encuentran explícitamente como NaN pero representan una ausencia o falta de datos por otras razones, como valores de cero, valores negativos, cadenas vacías, o un valor especial.

### Ejemplos comunes de valores faltantes implícitos:

- **Cadenas vacías** ('')

- **Valores de 0** en contextos donde el 0 no tiene un significado válido.

- **Valores negativos** que representan datos faltantes.

- **Códigos especiales** como -1 o 9999 para indicar que no hay datos.

### Proceso para convertir valores faltantes implícitos en explícitos (NaN):

#### 1. **Convertir cadenas vacías o específicas en NaN:**

Si tienes cadenas vacías o un valor especial que representa datos faltantes, puedes convertirlos en NaN.

```python

import pandas as pd

import numpy as np

# Crear un DataFrame con valores faltantes implícitos

df = pd.DataFrame({

'Producto': ['A', '', 'C', 'D', ''],

'Precio': [100, 0, -1, 150, 200]

})

# Convertir cadenas vacías ('') en NaN

df['Producto'] = df['Producto'].replace('', np.nan)

print(df)

```

Salida:

```

Producto Precio

0 A 100

1 NaN 0

2 C -1

3 D 150

4 NaN 200

```

#### 2. **Convertir valores numéricos especiales en NaN:**

A veces, ciertos valores numéricos (como 0 o -1) pueden representar valores faltantes implícitos en tu conjunto de datos.

```python

# Convertir valores especiales (0 y -1) en NaN

df['Precio'] = df['Precio'].replace([0, -1], np.nan)

print(df)

```

Salida:

```

Producto Precio

0 A 100.0

1 NaN NaN

2 C NaN

3 D 150.0

4 NaN 200.0

```

#### 3. **Utilizar condiciones para identificar valores faltantes implícitos:**

En algunos casos, necesitarás aplicar condiciones para definir cuándo un valor debe considerarse faltante.

```python

# Suponer que los valores menores a 0 son valores faltantes implícitos

df['Precio'] = df['Precio'].apply(lambda x: np.nan if x < 0 else x)

print(df)

```

#### 4. **Uso de replace() para convertir múltiples valores en NaN:**

La función replace() también permite reemplazar varios valores que consideres implícitamente faltantes con NaN.

```python

# Reemplazar valores de -1 y 0 en la columna 'Precio' con NaN

df['Precio'] = df['Precio'].replace([-1, 0], np.nan)

print(df)

```

#### 5. **Uso de mask() para crear condiciones complejas:**

La función mask() permite definir condiciones lógicas más avanzadas para identificar valores faltantes.

```python

# Reemplazar valores mayores a 100 con NaN (ejemplo condicional)

df['Precio'] = df['Precio'].mask(df['Precio'] > 100)

print(df)

```

### Resumen:

La conversión de valores faltantes implícitos en explícitos permite mejorar la calidad de los datos y facilita el análisis. Hacer explícitos los valores faltantes con NaN facilita el uso de las herramientas de Pandas para manejar valores nulos, como fillna(), dropna(), o cualquier técnica de imputación o filtrado.

Si tienes un caso más específico, ¡puedo ayudarte con una solución detallada!

Diego Cesar Lerma Torres

student•

Por si les sale el warning:

FutureWarning: This function will be deprecated in a 1.x release. Please use `pd.DataFrame.pivot` instead.
&#x20; return method(self.\_obj, \*args, \*\*kwargs)

Les paso el código con pivot:

implicit\_to\_explicit\_df.pivot(index='name', columns='time', values='value').reset\_index()

Diego Cesar Lerma Torres

student•

Por si les da el warning

FutureWarning: This function will be deprecated in a 1.x release. Please use `pd.DataFrame.pivot` instead.
  return method(self._obj, *args, **kwargs)
```Les paso el código con pivot

```js
implicit_to_explicit_df.pivot(index='name', columns='time', values='value').reset_index()

Pablo Alejandro Figueroa

student•

genial!

Julián Cárdenas

student•

excelente

Paolo Joaquin Pinto Perez

student•

Como pivotar la tabla de datos

(
    implicit_to_explicit_df
    .pivot_wider(
        index="name", # mantenerlos como id's de cada fila
        names_from="time", # valores a crear como col's
        values_from="value" # quermos rellenarlo y toma los valores de la colunma...
    )
)

Cuantificar ocurrencias de n-tuplas

Ventaja: se puede combinar las variables que quieras( no siempre será una matriz)