돈의 흐름을 따라가 보세요
이 연습 문제에서는 cust_id 열과 acct_amount 열에 누락값이 있는 또 다른 버전의 banking DataFrame을 사용합니다.
은행에 몇 명의 고유 고객이 있는지, 고객이 보유한 평균 금액은 얼마인지 등을 분석하려고 해요. cust_id가 누락된 행은 큰 도움이 되지 않는다는 것과, 평균적으로 acct_amount가 보통 inv_amount의 5배 수준이라는 점을 알고 있습니다.
이번 과제에서는 cust_id가 누락된 banking의 행을 삭제하고, 도메인 지식을 활용해 누락된 acct_amount 값을 보정(impute)할 거예요.
이 연습은 강의의 일부입니다
Python으로 데이터 정제하기
연습 안내
.dropna()를 사용해banking의cust_id열에서 누락값이 있는 행을 제거하고 결과를banking_fullid에 저장하세요.banking_fullid에서inv_amount * 5로 계좌 금액을 추정해 계산하고, 결과를acct_imp에 할당하세요..fillna()를 사용해banking_fullid의acct_amount누락값을 새로 만든acct_imp로 보정하세요.
실습형 인터랙티브 연습
이 예제를 이 샘플 코드를 완성하여 풀어보세요.
# 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())