Versteckte fehlende Werte ersetzen

In den letzten beiden Übungen hast du fehlende Werte beim Importieren eines Datensatzes identifiziert und behandelt. In dieser Übung identifizierst du versteckte fehlende Werte in deinen Daten und gehst damit um. Du verwendest den Datensatz diabetes, der bereits für dich geladen wurde.

Im DataFrame diabetes gibt es 0-Werte in der Spalte BMI. Ein BMI kann jedoch nicht 0 sein. Stattdessen sollten diese Werte NaN sein. In dieser Übung lernst du, solche Unstimmigkeiten zu erkennen. Du führst eine einfache Datenanalyse durch, um fehlende Werte aufzuspüren und zu ersetzen. Sowohl numpy als auch pandas wurden bereits als np bzw. pd importiert.

Außerdem kannst du den Datensatz erkunden, indem du zum Beispiel .head(), .info() usw. ausgibst, um dich mit ihm vertraut zu machen.