Imputacja i uzupełnianie brakujących wartości za pomocą średnich
Podczas analizy będziesz prawdopodobnie korzystać z własnych danych. Zbiory danych często zawierają brakujące wartości. W tym ćwiczeniu przećwiczysz ich imputację. Uzupełnianie brakujących wartości jest ważne – nie chcesz, żeby stanowiły przeszkodę w analizie.
pandas został załadowany z aliasem pd, a NumPy z aliasem np. Dla potrzeb ćwiczenia wczytano ramkę danych pandas o nazwie dataset. Zawiera ona kolumnę "Total Current Liabilities", w której brakuje niektórych wartości.
To ćwiczenie jest częścią kursu
Analiza sprawozdań finansowych w Pythonie
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# Impute missing value using average non-missing values by company
impute_by_company = dataset.____
# Impute missing value using average non-missing values by industry
impute_by_comp_type = dataset.____
print(impute_by_company)
print(impute_by_comp_type)