Non far cadere lo stack
È quasi ora di andare a casa, ma prima devi finire l’ultimo compito. Hai un piccolo insieme di dati con il numero totale di chiamate effettuate dai clienti.
Per svolgere l’analisi, devi rimodellare i dati di churn effettuando lo stacking di diversi livelli. Sai che questo processo genererà dati mancanti. Vuoi verificare se valga la pena mantenere le righe che contengono solo valori mancanti, oppure se sia meglio eliminare quell’informazione.
Il DataFrame churn è già a tua disposizione.
Questo esercizio fa parte del corso
Rimodellare i dati con pandas
Esercizio pratico interattivo
Prova a risolvere questo esercizio completando il codice di esempio.
# Stack the level type from churn
churn_stack = churn.____(____=____)
# Fill the resulting missing values with zero
churn_fill = churn_stack.____(____)
# Print churn_fill
print(churn_fill)