Wyszukiwanie brakujących wartości
Brakujące wartości pojawiają się praktycznie wszędzie i lepiej, żeby nie zakłócały ci pracy. Niektóre funkcje domyślnie je ignorują, ale to nie zawsze jest zachowanie, na którym ci zależy. Inne z kolei w ogóle nie radzą sobie z brakami danych, więc trzeba się nimi zająć, zanim z tych funkcji skorzystasz. Jeśli nie wiesz, gdzie w danych są braki – ani czy w ogóle występują – łatwo o błędy w analizie. W tym ćwiczeniu sprawdzisz, czy w zbiorze danych są brakujące wartości, a jeśli tak, ile ich jest.
pandas został zaimportowany jako pd, a avocados_2016 jest już dostępny. Zawiera on dane sprzedażowe tylko z 2016 roku i jest zorganizowany szerzej niż avocados – ma osobną kolumnę dla każdego rozmiaru awokado: date, avg_price, total_sold, small_sold, large_sold, xl_sold, total_bags_sold, small_bags_sold, large_bags_sold oraz xl_bags_sold.
To ćwiczenie jest częścią kursu
Manipulacja danymi z pandas
Instrukcje do ćwiczenia
- Wyświetl ramkę danych pokazującą, czy każda wartość w
avocados_2016jest brakująca, czy nie. - Wyświetl podsumowanie pokazujące, czy w każdej kolumnie występuje choć jedna brakująca wartość.
- Utwórz wykres słupkowy przedstawiający łączną liczbę brakujących wartości w każdej kolumnie.
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# Import matplotlib.pyplot with alias plt
import matplotlib.pyplot as plt
# Check individual values for missing values
print(____)
# Check each column for missing values
print(____)
# Bar plot of missing values by variable
____
# Show plot
plt.show()