Errate den Missingness-Typ
Die Analyse der Art der Missingness hilft dir, die besten Strategien zum Umgang mit fehlenden Werten abzuleiten. Der Pima-Indians-Diabetes-Datensatz ist dafür bekannt, fehlende Daten zu enthalten. Die Pima Indians sind eine ethnische Gruppe, die stärker zu Diabetes neigt. Der Datensatz umfasst mehrere Labortests, die mit Mitgliedern dieser Community durchgeführt wurden.
In der Videolektion hast du die 3 Arten von Missingness-Mustern kennengelernt. In dieser Übung visualisierst du zunächst die Missingness-Zusammenfassung und identifizierst dann die Arten der Missingness, die der DataFrame enthält.
Der DataFrame wurde bereits als diabetes geladen.
Hinweis: Wir haben eine proprietäre display()-Funktion anstelle von plt.show() verwendet, damit du die Ausgabe leichter ansehen kannst.
Diese Übung ist Teil des Kurses
<Kurs>Umgang mit fehlenden Daten in Python</Kurs>Interaktive praktische Übung
Versuche dich an dieser Übung, indem du diesen Beispielcode vervollständigst.
# Import missingno as msno
___
# Visualize the missingness summary
___
# Display nullity matrix
display("/usr/local/share/datasets/matrix_diabetes.png")