Repérer les valeurs manquantes
La première étape avant l'imputation de valeurs manquantes consiste à vérifier s'il y en a dans vos données et, le cas échéant, de quels groupes elles proviennent.
Dans le même jeu de données restaurant_data vu dans la leçon, un employé a effacé par erreur les pourboires laissés à 65 tables. La question est de savoir combien d'entrées manquantes proviennent de tables où des fumeurs étaient présents par rapport aux tables sans fumeurs.
Votre tâche est de regrouper les deux sous-ensembles selon la variable smoker, de compter le nombre de valeurs présentes, puis de calculer la différence.
Nous imputons des pourboires pour vous permettre de mettre en pratique les notions vues dans la leçon. D'un point de vue éthique, vous ne devriez pas imputer de données financières dans la vie réelle, car cela pourrait être considéré comme de la fraude.
Cette activité fait partie du cours
Rédiger du code efficace avec pandas
Instructions de l’exercice
- Regroupez les données selon le statut fumeur.
- Calculez le nombre de valeurs non manquantes dans chaque groupe.
- Affichez le nombre de valeurs manquantes dans chaque groupe.
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
# Group both objects according to smoke condition
restaurant_nan_grouped = restaurant_nan.____(____)
# Store the number of present values
restaurant_nan_nval = restaurant_nan_grouped['tip'].____()
# Print the group-wise missing entries
print(restaurant_nan_grouped['total_bill'].count() - ____)