Zaawansowana obsługa brakujących danych
W poprzednim ćwiczeniu poznałeś sposób na sprawdzenie, ile brakujących wartości znajduje się w każdej kolumnie DataFrame, a następnie proste usunięcie wierszy zawierających takie wartości. Co jednak zrobić, gdy takich wierszy jest bardzo dużo? Co jeśli nie chcesz po prostu usuwać danych? Tu właśnie przydaje się koncepcja zastępowania – brakujące wartości można zastąpić czymś innym.
W tym ćwiczeniu będziesz pracować z tym samym DataFrame sales_df co poprzednio, ale zamiast usuwać brakujące wartości, zastąpisz je średnią ze wszystkich wartości niepustych w danej kolumnie. Napiszesz funkcję, którą będzie można zastosować do dowolnej kolumny DataFrame.
To ćwiczenie jest częścią kursu
Julia średnio zaawansowana
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# Define a function replace_missing that takes one argument, the name of the column we want to modify
____ replace_missing(____)
end