Zastępowanie ukrytych brakujących wartości

W poprzednich dwóch ćwiczeniach identyfikowałeś/-aś brakujące wartości i radziłeś/-aś sobie z nimi podczas importowania zbioru danych. W tym ćwiczeniu zajmiesz się wyszukiwaniem ukrytych brakujących wartości i ich obsługą. Skorzystasz ze zbioru danych diabetes, który został już wczytany.

DataFrame diabetes zawiera wartości 0 w kolumnie BMI. Jednak BMI nie może wynosić 0 – w takich przypadkach powinna znajdować się wartość NaN. W tym ćwiczeniu nauczysz się wykrywać takie rozbieżności, wykonasz prostą analizę danych, aby wychwycić brakujące wartości, a następnie je zastąpisz. Biblioteki numpy i pandas zostały już zaimportowane jako np i pd.

Możesz też swobodnie eksplorować zbiór danych – na przykład wyświetlić jego .head(), .info() itp., aby lepiej się z nim zapoznać.

Wyświetl podstawowe statystyki zbioru danych diabetes.

ćwiczenie

Zastępowanie ukrytych brakujących wartości

Instrukcje 1/4

.css-6su6fj{-webkit-flex-shrink:0;-ms-flex-negative:0;flex-shrink:0;}ćwiczenie

Instrukcje 1/4

ćwiczenie