एडवांस्ड missing data
पिछले अभ्यास में, आपने देखा कि DataFrame की प्रत्येक कॉलम में कितनी missing values हैं, यह कैसे पता करें, और फिर जिन पंक्तियों में missing values हों, उन्हें सरलता से drop कर दें। लेकिन अगर बहुत सी पंक्तियों में missing values हों तो? और अगर आप डेटा से पंक्तियाँ यूँ ही हटाना नहीं चाहते हों तो? यहीं पर replacement का विचार काम आता है — आप missing values को किसी और मान से बदल सकते हैं।
इस अभ्यास में, आप पिछले अभ्यास वाले उसी sales_df DataFrame के साथ काम करेंगे। लेकिन इस बार missing values को drop करने के बजाय, आप हर कॉलम में मौजूद missing values को उस कॉलम के non-missing मानों के औसत से बदलेंगे। आप एक फंक्शन लिखेंगे जिसे DataFrame की किसी भी कॉलम पर लागू किया जा सके।
यह अभ्यास पाठ्यक्रम का हिस्सा है
इंटरमीडिएट Julia
इंटरैक्टिव व्यावहारिक अभ्यास
इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।
# Define a function replace_missing that takes one argument, the name of the column we want to modify
____ replace_missing(____)
end