डेटा साइंस में नल की वर्तमान परिभाषा गंभीर रूप से सीमित है। थोड़े प्रयास से? हम पहले नल में पाए गए डेटा के प्रसंस्करण में काफी सुधार करेंगे।

पुरानी समस्या "नल" समस्या है । यह डेटाबेस शब्दार्थ के संबंध में कोड द्वारा एक लेख में तैयार किया गया था ।

अशक्त मूल्यों को संभालने के लिए प्रोग्रामर को कड़ी मेहनत करनी चाहिए। शायद इसीलिए वे नल को पसंद नहीं करते हैं और यहां तक ​​कि इस विचार को भी बढ़ावा देते हैं कि आप नल के बिना कर सकते हैं। एक लोकप्रिय कहावत है कि Null in SQL एक गलती थी ।

निम्नलिखित अशक्त परिभाषाएँ उपलब्ध हैं:

• उपलब्ध नहीं है
• लागू नहीं
• चुक गया
• अनजान

अंतिम परिभाषा डेटाबेस में सबसे अधिक उपयोग की जाती है।

डेटा साइंस ने Null को एक गलत मान के रूप में परिभाषित किया है।
यहाँ जेक वेंडरप्लस नल, नाएन, एनए के उपयोग और व्याख्या पर चर्चा करता है, अजगर, पंडों, सुन्न में कोई भी मूल्य नहीं है।

नीचे मैं दिखाऊंगा कि मौजूदा दृष्टिकोण केवल आंशिक रूप से वास्तविकता को दर्शाता है और कई मामलों में विशेष रूप से डेटा साइंस में उपयोग के लिए विस्तारित किया जा सकता है।

missed data ( AlkanSte !)

, (sample), , .

: , , . . .

• : . , Null.
• : , . .
• : . , , . , .

• outlier: " " 1000 . 1000 Null.

, .

Null . , Null " ", . Null " ", , . " " ( ).

ML , Null , .

Null

. — . . :

1. , , . .
2. , . .
3. . , . , , . , . .
4. , , : , , .. .
5. . .

Null. , ^ , : " ", " ", " ", "", " ". Null . , . , , .

- .

नल को कई और विस्तृत वर्गों के साथ बदलने के लिए एक ऋण भी है। Null भाषा के स्तर पर डेटा प्रकारों के स्तर पर एक अमूर्तता है, जो हमें डेटा प्रोसेसिंग में कई अंतर्निहित कार्य और तरीके देता है।

हम, वास्तव में, हमारे वर्गीकरण प्रणाली में नई कक्षाएं जोड़ते हैं, जो प्रसंस्करण को बहुत जटिल नहीं करता है।

और, कम से कम, हमें स्पष्ट रूप से यह समझने की आवश्यकता है कि हमारे डेटा में नल मानों का क्या मतलब है। डेटा की बेहतर समझ हमेशा बेहतर परिणाम देगी, है ना?