Investidores ausentes
Lidar com dados ausentes é uma das tarefas mais comuns na ciência de dados. Há vários tipos de dados ausentes, bem como vários tipos de soluções para dados ausentes.
Você acabou de receber uma nova versão do DataFrame banking contendo dados sobre o valor mantido e investido para clientes novos e existentes. No entanto, há linhas com valores ausentes em inv_amount.
Você sabe com certeza que a maioria dos clientes com menos de 25 anos ainda não tem contas de investimento e suspeita que isso possa estar causando a ausência. Os pacotes pandas, missingno e matplotlib.pyplot foram importados como pd, msno e plt, respectivamente. O DataFrame banking está em seu ambiente.
Este exercício faz parte do curso
Limpeza de dados em Python
Exercício interativo prático
Experimente este exercício preenchendo este código de exemplo.
# Print number of missing values in banking
print(____)
# Visualize missingness matrix
____
____