Nahrazování skrytých chybějících hodnot
V předchozích dvou cvičeních jsi pracoval/a s identifikací a zpracováním chybějících hodnot při načítání datové sady. V tomto cvičení se zaměříš na odhalování skrytých chybějících hodnot v datech a jejich zpracování. Použiješ k tomu datovou sadu diabetes, která je už načtená.
DataFrame diabetes obsahuje ve sloupci BMI nuly. Jenže BMI nemůže být 0 — místo toho by tam mělo být NaN. V tomto cvičení se naučíš takové nesrovnalosti odhalovat. Provedeš jednoduchou analýzu dat, zachytíš chybějící hodnoty a nahradíš je. Knihovny numpy a pandas jsou již naimportované jako np a pd.
Datovou sadu si také můžeš volně prozkoumat — zkus například vypsat .head(), .info() a podobně, ať se s ní lépe seznámíš.
Toto cvičení je součástí kurzu
Dealing with Missing Data in Python
Interaktivní cvičení na vyzkoušení si v praxi
Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.
# Print the description of the data
print(___)