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 Imputationswerten ergänzen. 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.