Remplacer les valeurs manquantes cachées
Dans les deux exercices précédents, vous avez travaillé à repérer et à traiter les valeurs manquantes lors de l'importation d'un ensemble de données. Dans cet exercice, vous allez repérer des valeurs manquantes cachées dans vos données et les traiter. Vous utiliserez le jeu de données diabetes, déjà chargé pour vous.
Le DataFrame diabetes contient des 0 dans la colonne BMI. Or, BMI ne peut pas être 0. Ces valeurs devraient plutôt être NaN. Dans cet exercice, vous apprendrez à repérer ce type d'écart. Vous effectuerez une analyse simple pour détecter les valeurs manquantes et les remplacer. numpy et pandas ont été importés dans votre environnement sous les alias np et pd respectivement.
De plus, vous pouvez explorer le jeu de données, par exemple en affichant son .head(), .info(), etc., pour mieux vous y familiariser.
Cette activité fait partie du cours
Gérer les données manquantes avec Python
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
# Print the description of the data
print(___)