Jak wygląda integralność danych?
Do ramki danych banking zostały dołączone nowe dane zawierające szczegóły dotyczące alokacji inwestycji z kolumny inv_amount w czterech funduszach: A, B, C i D.
Ponadto wiek i daty urodzenia klientów są teraz przechowywane odpowiednio w kolumnach age i birth_date.
Chcesz zrozumieć, jak klienci w różnych grupach wiekowych inwestują. Najpierw jednak upewnij się, że analizowane dane są poprawne. W tym celu przeprowadź walidację krzyżową wartości w kolumnach inv_amount i age – sprawdź je odpowiednio względem kwot zainwestowanych w poszczególnych funduszach oraz dat urodzenia klientów.
Biblioteki pandas i datetime zostały już zaimportowane jako pd i dt.
To ćwiczenie jest częścią kursu
Czyszczenie danych w Pythonie
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# Store fund columns to sum against
fund_columns = ['fund_A', 'fund_B', 'fund_C', 'fund_D']
# Find rows where fund_columns row sum == inv_amount
inv_equ = banking[____].____(____) == ____
# Store consistent and inconsistent data
consistent_inv = ____[____]
inconsistent_inv = ____[____]
# Store consistent and inconsistent data
print("Number of inconsistent investments: ", inconsistent_inv.shape[0])