Mengidentifikasi nilai hilang
Langkah pertama sebelum imputasi nilai hilang adalah mengidentifikasi apakah ada nilai yang hilang dalam data, dan jika ada, dari grup mana nilai tersebut muncul.
Untuk himpunan data restaurant_data yang sama seperti pada pelajaran, seorang karyawan tanpa sengaja menghapus tip yang ditinggalkan di 65 meja. Pertanyaannya adalah berapa banyak entri yang hilang berasal dari meja dengan perokok dibandingkan dengan meja tanpa perokok.
Tugas Anda adalah mengelompokkan kedua himpunan data berdasarkan variabel smoker, menghitung jumlah nilai yang ada (tidak hilang), lalu menghitung selisihnya.
Kita melakukan imputasi tip agar Anda dapat berlatih konsep yang diajarkan dalam pelajaran. Dari sisi etika, Anda tidak seharusnya melakukan imputasi pada data finansial di dunia nyata, karena dapat dianggap sebagai kecurangan.
Latihan ini merupakan bagian dari kursus
Menulis Kode Efisien dengan pandas
Instruksi latihan
- Kelompokkan data berdasarkan status merokok.
- Hitung jumlah nilai yang tidak hilang di setiap grup.
- Cetak jumlah nilai yang hilang di setiap grup.
Latihan interaktif langsung praktik
Cobalah latihan ini dengan melengkapi kode contoh ini.
# 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() - ____)