始める無料で始める

金の流れを追え

この演習では、banking DataFrame を使って作業します。この DataFrame には cust_id 列と acct_amount 列の両方に欠損値が含まれています。

銀行のユニークな顧客数や顧客ごとの平均保有額などを分析したいとします。cust_id が欠損している行は分析に役立たないこと、また acct_amount は平均的に inv_amount の5倍になることがドメイン知識として分かっています。

この演習では、banking が欠損している行を cust_id から削除し、acct_amount の欠損値をドメイン知識に基づいて補完します。

この演習はコースの一部です

Pythonによるデータクリーニング

コースを見る

演習の手順

  • .dropna()を使ってcust_id列の欠損値をbankingに削除し、結果をbanking_fullidに保存します。
  • inv_amountを使ってbanking_fullidの推定勘定金額を計算し、金額をinv_amount * 5に設定し、その結果をacct_impに割り当てます。
  • acct_amountのbanking_fullidの欠損値を新たに作成されたacct_impに代入する.fillna()。

実践的なインタラクティブ演習

このサンプルコードを完成させて、この演習に挑戦してみましょう。

# Drop missing values of cust_id
banking_fullid = banking.____(subset = ['____'])

# Compute estimated acct_amount
acct_imp = ____

# Impute missing acct_amount with corresponding acct_imp
banking_imputed = banking_fullid.____({'____':____})

# Print number of missing values
print(banking_imputed.isna().sum())
コードを編集して実行