Analizar el porcentaje de ausencia de datos
Antes de ponerte a tratar los datos faltantes, es fundamental analizar los distintos factores que los rodean. El primer paso para analizar el conjunto de datos es medir el grado de ausencia, es decir, cuántos valores faltan por variable. En este ejercicio, calcularás el número total de valores ausentes por columna y también el porcentaje de valores ausentes por columna.
En este ejercicio, cargarás el conjunto de datos 'airquality' analizando la columna Date y, después, calcularás la suma de valores ausentes y el grado de ausencia en porcentaje en el DataFrame de nulidad.
Este ejercicio forma parte del curso
Cómo tratar datos faltantes en Python
ejercicio interactivo práctico
Prueba este ejercicio completando este código de ejemplo.
# Load the air-quality.csv dataset
airquality = pd.read_csv(___, parse_dates=[___], index_col=___)