ÎncepețiÎncepe gratuit

Urmărește banii

În acest exercițiu, lucrezi cu o altă versiune a DataFrame-ului banking, care conține valori lipsă atât în coloana cust_id, cât și în coloana acct_amount.

Vrei să realizezi o analiză privind numărul de clienți unici ai băncii, suma medie deținută de clienți și altele. Știi că rândurile cu cust_id lipsă nu îți sunt de folos și că, în medie, acct_amount este de obicei de 5 ori valoarea inv_amount.

În acest exercițiu, vei elimina rândurile din banking cu cust_id lipsă și vei imputa valorile lipsă ale acct_amount folosind cunoștințe din domeniu.

Acest exercițiu face parte din cursul

Curățarea datelor în Python

Vezi cursul

Instrucțiuni pentru exercițiu

  • Folosește .dropna() pentru a elimina valorile lipsă din coloana cust_id din banking și stochează rezultatele în banking_fullid.
  • Folosește inv_amount pentru a calcula sumele estimate ale conturilor pentru banking_fullid, setând valorile egale cu inv_amount * 5, și atribuie rezultatele variabilei acct_imp.
  • Imputează valorile lipsă ale acct_amount din banking_fullid cu acct_imp nou creat, folosind .fillna().

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

# Drop missing values of cust_id
banking_fullid = banking.____(subset = ['____'])

# Compute estimated acct_amount
acct_imp = ____

# Impute missing acct_amount with corresponding acct_imp
banking_imputed = banking_fullid.____({'____':____})

# Print number of missing values
print(banking_imputed.isna().sum())
Editează și rulează codul