MNAR を見抜く
前の演習では、欠損サマリーをもとに欠損の種類を見分けました。この演習では、その流れを引き継ぎ、Missing Not at Random（MNAR：無作為ではない欠損）を明確に特定していきます。
diabetes DataFrame の欠損サマリーは次のとおりです。
目標は、diabetes DataFrame を Serum_Insulin でソートし、Skin_Fold と Serum_Insulin の相関関係を把握することです。
出力を見やすくするために、plt.show() の代わりに独自の display() 関数を使用しています。
この演習はコースの一部です
Pythonで欠損データに対処する
演習の手順
missingnoパッケージをmsnoとしてインポートします。diabetesのSerum_Insulin列の値をソートします。msno.matrix()を使ってSerum_Insulinの欠損サマリーを可視化します。
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。
# Import missingno as msno
___
# Sort diabetes dataframe on 'Serum Insulin'
sorted_values = ___.___(___)
# Visualize the missingness summary of sorted
___.___(___)
# Display nullity matrix
display("/usr/local/share/datasets/matrix_sorted.png")