शुरू करेंमुफ़्त में शुरू करें

Missing डेटा हटाना

आपने person_emp_length में missing डेटा को रिप्लेस किया था, लेकिन पिछले अभ्यास में आपने देखा कि loan_int_rate में भी missing डेटा है.

जिस तरह loan_status में missing डेटा होना समस्या बनता है, उसी तरह loan_int_rate में missing डेटा होने से भी predictions मुश्किल हो जाएँगे.

क्योंकि interest rates आपकी कंपनी द्वारा सेट की जाती हैं, इस कॉलम में missing डेटा होना काफ़ी अजीब है. संभव है कि data ingestion की समस्याओं से errors आए हों, लेकिन आप पक्के तौर पर नहीं कह सकते. फिलहाल, आगे बढ़ने से पहले इन records को .drop() करना बेहतर है.

डेटासेट cr_loan वर्कस्पेस में लोड किया गया है.

यह अभ्यास पाठ्यक्रम का हिस्सा है

Python में क्रेडिट रिस्क मॉडलिंग

पाठ्यक्रम देखें

अभ्यास निर्देश

  • उन records की संख्या प्रिंट करें जिनमें interest rate के लिए missing डेटा है.
  • उन पंक्तियों के लिए indices का एक array बनाएँ जिनमें interest rate missing है, और उसका नाम indices रखें.
  • missing interest rate डेटा वाले records को drop करें और परिणाम cr_loan_clean में सेव करें.

इंटरैक्टिव व्यावहारिक अभ्यास

इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।

# Print the number of nulls
print(____[____].____().____())

# Store the array on indices
____ = ____[____[____].____].____

# Save the new data without missing data
____ = ____.____(____)
कोड संपादित करें और चलाएँ