Usuwanie brakujących danych
Uzupełniłeś brakujące dane w kolumnie person_emp_length, ale w poprzednim ćwiczeniu zauważyłeś, że kolumna loan_int_rate również zawiera brakujące wartości.
Podobnie jak w przypadku loan_status, brakujące dane w loan_int_rate utrudnią tworzenie prognoz.
Ponieważ stopy procentowe są ustalane przez twoją firmę, brakujące wartości w tej kolumnie są bardzo podejrzane. Możliwe, że błędy pojawiły się podczas importu danych, ale nie można tego stwierdzić z pewnością. Na razie najlepiej usunąć te rekordy metodą .drop() przed dalszą analizą.
Zbiór danych cr_loan jest już załadowany w środowisku.
To ćwiczenie jest częścią kursu
Modelowanie ryzyka kredytowego w Pythonie
Instrukcje do ćwiczenia
- Wyświetl liczbę rekordów zawierających brakujące dane dla stopy procentowej.
- Utwórz tablicę indeksów wierszy z brakującą stopą procentową i nadaj jej nazwę
indices. - Usuń rekordy z brakującą stopą procentową i zapisz wynik do
cr_loan_clean.
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# Print the number of nulls
print(____[____].____().____())
# Store the array on indices
____ = ____[____[____].____].____
# Save the new data without missing data
____ = ____.____(____)