Allez-vous supprimer?
Avant de supprimer complètement les valeurs manquantes, vous devez évaluer les facteurs justifiant une suppression. Le plus simple à considérer est l'ampleur des données manquantes. Des raisons plus complexes qui influencent le caractère manquant peuvent exiger des connaissances du domaine. Dans cet exercice, vous allez identifier la raison de la présence de valeurs manquantes, puis appliquer la suppression appropriée.
Vous utiliserez d'abord msno.matrix() et msno.heatmap() pour visualiser les valeurs manquantes et la corrélation entre les variables présentant des données manquantes. Vous déterminerez ensuite le motif de la présence de valeurs manquantes. Enfin, vous supprimerez selon le type de caractère manquant.
Le DataFrame diabetes a été chargé pour vous.
Remarque : nous avons utilisé une fonction propriétaire display() plutôt que plt.show() pour vous faciliter l'affichage du résultat.
Cette activité fait partie du cours
Gérer les données manquantes avec Python
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
# Visualize the missingness in the data
___.___(___)
# Display nullity matrix
display("/usr/local/share/datasets/matrix_diabetes.png")