Fehlende Werte mit pandas füllen
Beim Aufbau von Datenpipelines wirst du unweigerlich auf fehlende Daten stoßen. In manchen Fällen möchtest du diese Einträge aus dem Datensatz entfernen. In anderen musst du Werte für die fehlenden Informationen imputieren. In dieser Übung nutzt du pandas, um fehlende Testergebnisse zu imputieren.
Daten aus der Datei "testing_scores.json" wurden in ein DataFrame eingelesen und in der Variablen raw_testing_scores gespeichert. Außerdem wurde pandas als pd geladen.
Diese Übung ist Teil des Kurses
<Kurs>ETL und ELT in 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.____)