शुरू करेंमुफ़्त में शुरू करें

MNAR का निष्कर्ष निकालें

पिछले अभ्यास में, आपने missingness summary के आधार पर missing values के प्रकार की पहचान की थी। इस अभ्यास में, आप उसी क्रम को आगे बढ़ाते हुए उन डेटा की स्पष्ट पहचान करेंगे जो Missing Not at Random (MNAR) हैं.

diabetes DataFrame की missingness summary नीचे दी गई है.

आपका लक्ष्य diabetes DataFrame को Serum_Insulin पर sort करना और Skin_Fold तथा Serum_Insulin के बीच सहसंबंध (correlation) की पहचान करना है.

ध्यान दें कि आउटपुट देखना आसान बनाने के लिए हमने plt.show() के बजाय एक प्रोप्रायटरी display() फंक्शन का उपयोग किया है.

यह अभ्यास पाठ्यक्रम का हिस्सा है

Python में Missing Data से निपटना

पाठ्यक्रम देखें

अभ्यास निर्देश

  • missingno पैकेज को msno नाम से import करें.
  • diabetes में Serum_Insulin कॉलम के मानों को sort करें.
  • msno.matrix() के साथ Serum_Insulin की missingness summary को visualize करें.

इंटरैक्टिव व्यावहारिक अभ्यास

इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।

# Import missingno as msno
___

# Sort diabetes dataframe on 'Serum Insulin'
sorted_values = ___.___(___)

# Visualize the missingness summary of sorted
___.___(___)

# Display nullity matrix
display("/usr/local/share/datasets/matrix_sorted.png")
कोड संपादित करें और चलाएँ