Imputation et remplissage des valeurs manquantes à l'aide des moyennes
Quand vous ferez votre analyse, vous utiliserez probablement vos propres données. Les jeux de données contiennent souvent des valeurs manquantes. Dans cet exercice, vous pratiquerez l'imputation de ces valeurs manquantes. L'imputation est importante, car vous ne voulez pas que des valeurs manquantes deviennent un obstacle à votre analyse.
pandas a été importé sous l'alias pd et NumPy sous l'alias np. Un DataFrame pandas nommé dataset a été chargé pour vous. Il contient la colonne "Total Current Liabilities", qui comporte certaines valeurs manquantes.
Cette activité fait partie du cours
Analyser les états financiers avec Python
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
# Impute missing value using average non-missing values by company
impute_by_company = dataset.____
# Impute missing value using average non-missing values by industry
impute_by_comp_type = dataset.____
print(impute_by_company)
print(impute_by_comp_type)