Pokročilá práce s chybějícími daty
V předchozím cvičení sis ukázal/a, jak zjistit počet chybějících hodnot v každém sloupci DataFrame a jak jednoduše odstranit řádky, které chybějící hodnoty obsahují. Ale co když je takových řádků hodně? Co když nechceš data jen tak mazat? Tady přichází ke slovu náhrada – chybějící hodnoty můžeš nahradit něčím jiným.
V tomto cvičení budeš pracovat se stejným DataFrame sales_df jako v předchozím cvičení, ale tentokrát chybějící hodnoty neodstraníš – nahradíš je průměrem všech dostupných (nechybějících) hodnot v daném sloupci. Napíšeš funkci, kterou pak půjde použít na libovolný sloupec DataFrame.
Toto cvičení je součástí kurzu
Intermediate Julia
Interaktivní cvičení na vyzkoušení si v praxi
Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.
# Define a function replace_missing that takes one argument, the name of the column we want to modify
____ replace_missing(____)
end