Identyfikowanie brakujących wartości
Zanim przystąpisz do uzupełniania brakujących wartości, musisz najpierw sprawdzić, czy w danych w ogóle takie istnieją – i jeśli tak, z której grupy pochodzą.
W tym samym zbiorze danych restaurant_data, który pojawił się w lekcji, pewien pracownik przez pomyłkę usunął informacje o napiwkach z 65 stolików. Pytanie brzmi: ile brakujących wpisów dotyczy stolików, przy których siedzieli palacze, a ile – stolików dla niepalących.
Twoim zadaniem jest pogrupowanie obu zbiorów danych według zmiennej smoker, policzenie liczby obecnych wartości, a następnie obliczenie różnicy.
Uzupełniamy dane o napiwkach wyłącznie w celach ćwiczeniowych. Z etycznego punktu widzenia nie należy imputować danych finansowych w prawdziwych projektach – może to być uznane za fałszerstwo.
To ćwiczenie jest częścią kursu
Wydajne programowanie z pandas
Instrukcje do ćwiczenia
- Pogrupuj dane według statusu palenia.
- Oblicz liczbę niepustych wartości w każdej grupie.
- Wyświetl liczbę brakujących wartości w każdej grupie.
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# Group both objects according to smoke condition
restaurant_nan_grouped = restaurant_nan.____(____)
# Store the number of present values
restaurant_nan_nval = restaurant_nan_grouped['tip'].____()
# Print the group-wise missing entries
print(restaurant_nan_grouped['total_bill'].count() - ____)