Analizzare la percentuale di valori mancanti
Prima di passare al trattamento dei dati mancanti, è fondamentale analizzare i vari fattori che li riguardano. Il primo passo nell’analisi è quantificare il grado di mancanza, cioè il numero di valori assenti per una variabile. In questo esercizio calcolerai il numero totale di valori mancanti per colonna e anche la percentuale di valori mancanti per colonna.
In questo esercizio caricherai il dataset 'airquality' effettuando il parsing della colonna Date e poi calcolerai la somma dei valori mancanti e il grado di mancanza in percentuale sul DataFrame di nullità
Questo esercizio fa parte del corso
Gestire i dati mancanti in Python
Esercizio pratico interattivo
Prova a risolvere questo esercizio completando il codice di esempio.
# Load the air-quality.csv dataset
airquality = pd.read_csv(___, parse_dates=[___], index_col=___)