Eliminarea datelor lipsă
Ai înlocuit datele lipsă din person_emp_length, dar în exercițiul anterior ai observat că și loan_int_rate conține valori lipsă.
La fel ca în cazul datelor lipsă din loan_status, datele lipsă din loan_int_rate pot îngreuna realizarea predicțiilor.
Deoarece ratele dobânzii sunt stabilite de compania ta, prezența valorilor lipsă în această coloană este destul de neobișnuită. Este posibil ca erorile să fi apărut în procesul de ingestie a datelor, însă nu poți ști cu certitudine. Deocamdată, cel mai bine este să .drop() aceste înregistrări înainte de a continua.
Setul de date cr_loan a fost încărcat în spațiul de lucru.
Acest exercițiu face parte din cursul
Modelarea Riscului de Credit în Python
Instrucțiuni pentru exercițiu
- Afișează numărul de înregistrări care conțin date lipsă pentru rata dobânzii.
- Creează un array de indici pentru rândurile cu rata dobânzii lipsă și numește-l indices.
- Elimină înregistrările cu rata dobânzii lipsă și salvează rezultatele în
cr_loan_clean.
Exercițiu interactiv practic
Încearcă acest exercițiu completând acest cod de exemplu.
# Print the number of nulls
print(____[____].____().____())
# Store the array on indices
____ = ____[____[____].____].____
# Save the new data without missing data
____ = ____.____(____)