छिपी हुई missing values को बदलना
पिछले दो अभ्यासों में, आपने एक डेटासेट इम्पोर्ट करते समय missing values की पहचान और हैंडलिंग पर काम किया था। इस अभ्यास में, आप अपने डेटा में छिपी हुई missing values की पहचान करेंगे और उन्हें संभालेंगे। आप diabetes डेटासेट का उपयोग करेंगे जो आपके लिए पहले से लोड किया गया है।
diabetes DataFrame में BMI कॉलम में 0's हैं। लेकिन BMI का मान 0 नहीं हो सकता। इसके बजाय उसे NaN होना चाहिए। इस अभ्यास में, आप ऐसी विसंगतियों की पहचान करना सीखेंगे। आप सरल डेटा विश्लेषण करके missing values पकड़ेंगे और उन्हें बदलेंगे। numpy और pandas को आपके लिए क्रमशः np और pd के रूप में इम्पोर्ट किया गया है।
इसके अलावा, आप डेटासेट के साथ खेल सकते हैं, जैसे इसका .head(), .info() आदि प्रिंट करके, ताकि आप डेटासेट से और अधिक परिचित हो सकें।
यह अभ्यास पाठ्यक्रम का हिस्सा है
Python में Missing Data से निपटना
इंटरैक्टिव व्यावहारिक अभ्यास
इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।
# Print the description of the data
print(___)