Identificare i valori mancanti
Il primo passo prima di imputare i valori mancanti è verificare se ci sono valori mancanti nei dati e, in caso affermativo, da quale gruppo provengono.
Per lo stesso insieme di dati restaurant_data che hai visto nella lezione, un dipendente ha cancellato per errore le mance lasciate in 65 tavoli. La domanda è: quante voci mancanti provengono da tavoli con fumatori presenti rispetto a tavoli senza fumatori?
Il tuo compito è raggruppare entrambi i dataset in base alla variabile smoker, contare il numero di valori presenti e poi calcolare la differenza.
Imputeremo le mance per farti esercitare con i concetti spiegati nella lezione. Da un punto di vista etico, non dovresti imputare dati finanziari nella vita reale, perché potrebbe essere considerato frode.
Questo esercizio fa parte del corso
Scrivere codice efficiente con pandas
Istruzioni dell'esercizio
- Raggruppa i dati in base allo stato di fumatore.
- Calcola il numero di valori non mancanti in ciascun gruppo.
- Stampa il numero di valori mancanti in ciascun gruppo.
esercizio interattivo pratico
Prova questo esercizio completando questo codice di esempio.
# 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() - ____)