Identificando valores ausentes
O primeiro passo antes da imputação de valores ausentes é identificar se há valores faltantes nos dados e, em caso positivo, de quais grupos eles vêm.
No mesmo conjunto restaurant_data que você viu na lição, um funcionário apagou por engano as gorjetas deixadas em 65 mesas. A questão é: quantas entradas ausentes vieram de mesas com fumantes presentes versus mesas sem fumantes?
Sua tarefa é agrupar ambos os conjuntos de dados de acordo com a variável smoker, contar o número de valores presentes e então calcular a diferença.
Estamos imputando gorjetas para que você pratique os conceitos ensinados na lição. Do ponto de vista ético, você não deve imputar dados financeiros na vida real, pois isso pode ser considerado fraude.
Este exercicio faz parte do curso
Escrevendo código eficiente com pandas
Instruções do exercicio
- Agrupe os dados de acordo com o status de fumante.
- Calcule o número de valores não ausentes em cada grupo.
- Imprima o número de valores ausentes em cada grupo.
exercicio interativo prático
Tente este exercicio completando este código de exemplo.
# 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() - ____)