Fehlende Werte mit Pandas auffüllen
Beim Aufbau von Datenpipelines ist es unvermeidlich, dass du über fehlende Daten stolperst. In manchen Fällen möchtest du diese Datensätze vielleicht aus dem Datensatz entfernen. In anderen Fällen musst du die fehlenden Informationen mit Hilfe von Imputationen ersetzen. In dieser Übung übst du die Verwendung von pandas, um fehlende Testergebnisse zu korrigieren.
Die Daten aus der Datei "testing_scores.json" wurden in einen DataFrame eingelesen und in der Variablen raw_testing_scores gespeichert. Darüber hinaus wurde pandas als pd geladen.
Diese Übung ist Teil des Kurses
<Kurs>ETL und ELT mit Python</Kurs>Interaktive praktische Übung
Versuche dich an dieser Übung, indem du diesen Beispielcode vervollständigst.
# Print the head of the `raw_testing_scores` DataFrame
print(raw_testing_scores.____)