Analiza procentu brakujących danych
Zanim przejdziesz do uzupełniania brakujących danych, warto dokładnie przeanalizować różne aspekty związane z ich brakiem. Podstawowym krokiem jest zbadanie ilości brakujących wartości, czyli sprawdzenie, ile wartości brakuje dla poszczególnych zmiennych. W tym ćwiczeniu obliczysz całkowitą liczbę brakujących wartości dla każdej kolumny oraz wyznaczysz ich procentowy udział.
Wczytasz zbiór danych 'airquality', parsując kolumnę Date, a następnie obliczysz sumę brakujących wartości oraz stopień brakujących danych w procentach na podstawie DataFrame z informacją o wartościach pustych.
To ćwiczenie jest częścią kursu
Braki danych w Pythonie
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# Load the air-quality.csv dataset
airquality = pd.read_csv(___, parse_dates=[___], index_col=___)