Ustawianie niestandardowych wartości NA

Eksploracja i czyszczenie danych obejmują między innymi sprawdzanie brakujących wartości i wartości NA oraz decydowanie, jak sobie z nimi radzić. Jest to łatwiejsze, gdy brakujące wartości traktowane są jako odrębny typ danych – biblioteka pandas udostępnia funkcje, które działają właśnie na takich wartościach NA. Pandas automatycznie rozpoznaje niektóre wartości jako brakujące, ale za pomocą argumentu na_values możesz wskazać dodatkowe wskaźniki NA. W tym ćwiczeniu zrobisz to, aby nieprawidłowe kody pocztowe w danych podatkowych stanu Vermont były kodowane jako NA.

pandas zostało zaimportowane jako pd.

Utwórz słownik null_values, który określi, że wartości 0 w kolumnie zipcode mają być traktowane jako NA.
Wczytaj plik vt_tax_data_2016.csv, używając argumentu na_values i tego słownika, aby nieprawidłowe kody pocztowe były traktowane jako brakujące.

ćwiczenie

Ustawianie niestandardowych wartości NA

Instrukcje

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

Instrukcje

ćwiczenie