Imputacja brakujących wartości za pomocą percentyli
W tym ćwiczeniu będziesz dalej ćwiczyć imputację brakujących wartości. W odróżnieniu od poprzedniego ćwiczenia, zamiast średnich użyjesz percentyli. To świetny sposób na uzyskanie konserwatywnych imputacji. Imputacja brakujących wartości w kolumnie za pomocą percentyli przebiega następująco:
- Usuń brakujące wartości z interesującej cię kolumny.
- Oblicz, na przykład, 70. percentyl wartości z kolumny, z której właśnie usunięto braki.
- Wartość 70. percentyla „najgorszego przypadku" zależy od kolumny, dla której obliczasz percentyl:
- Na przykład duże aktywa uważa się za coś korzystnego, więc niska wartość aktywów jest gorsza. 70. percentyl najgorszego przypadku dla aktywów to w praktyce 30. percentyl aktywów.
- Analogicznie, wysokie zobowiązania są niekorzystne. Dlatego 70. percentyl najgorszego przypadku dla zobowiązań to po prostu ich 70. percentyl.
biblioteka pandas została wczytana z aliasem pd, a NumPy z aliasem np. Wczytano dla ciebie ramkę danych pandas o nazwie dataset. Zawiera ona kolumnę "Total Current Liabilities", w której znajdują się pewne brakujące wartości.
To ćwiczenie jest częścią kursu
Analiza sprawozdań finansowych w Pythonie
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# Impute missing value with 70th percentile non-missing values of company
impute_by_company = ___
# Impute missing value with 70th percentile non-missing values of industry
impute_by_comp_type = ____
print(impute_by_company)
print(impute_by_comp_type)