Brakujący inwestorzy
Praca z brakującymi danymi to jedno z najczęstszych zadań w nauce o danych. Istnieje wiele rodzajów braków danych, a także wiele sposobów radzenia sobie z nimi.
Otrzymałeś(-aś) nową wersję DataFrame banking, zawierającą dane o środkach przechowywanych i zainwestowanych przez nowych i dotychczasowych klientów. Niektóre wiersze mają jednak brakujące wartości w kolumnie inv_amount.
Wiesz, że większość klientów poniżej 25. roku życia nie posiada jeszcze kont inwestycyjnych – podejrzewasz, że to może być przyczyną tych braków. Pakiety pandas, missingno i matplotlib.pyplot zostały zaimportowane jako pd, msno i plt. DataFrame banking jest dostępny w twoim środowisku.
To ćwiczenie jest częścią kursu
Czyszczenie danych w Pythonie
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# Print number of missing values in banking
print(____)
# Visualize missingness matrix
____
____