Zastępowanie brakujących wartości
Innym sposobem radzenia sobie z brakującymi wartościami jest zastąpienie ich wszystkich tą samą wartością. W przypadku zmiennych liczbowych jedną z opcji jest zastąpienie brakujących wartości zerami – właśnie to zrobisz w tym ćwiczeniu. Pamiętaj jednak, że zastępując brakujące wartości, przyjmujesz pewne założenia co do ich znaczenia. W tym przypadku zakładamy, że brak liczby sprzedanych awokado oznacza, że w danym tygodniu nie sprzedano żadnej sztuki danego rodzaju.
W tym ćwiczeniu zobaczysz, jak zastępowanie brakujących wartości wpływa na rozkład zmiennej – z pomocą histogramów. Możesz narysować histogramy dla kilku zmiennych jednocześnie w następujący sposób:
dogs[["height_cm", "weight_kg"]].hist()
pandas zostało zaimportowane jako pd, a matplotlib.pyplot jako plt. Zbiór danych avocados_2016 jest dostępny.
To ćwiczenie jest częścią kursu
Manipulacja danymi z pandas
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# List the columns with missing values
cols_with_missing = ["small_sold", "large_sold", "xl_sold"]
# Create histograms showing the distributions cols_with_missing
avocados_2016[____].____
# Show the plot
____