ÎncepețiÎncepe gratuit

Filtrează datele corupte

Un pas recurent în faza de transformare este curățarea datelor incomplete. În acest exercițiu, vei lucra cu date despre cursuri, care au următorul format:

course_id title description programming_language
1 Some Course … r

Vei inspecta acest DataFrame și te vei asigura că nu există valori lipsă, folosind metodele .isnull().sum() ale DataFrame-ului pandas. Vei descoperi că în coloana programming_language există câteva valori lipsă.

Asadar, vei completa funcția transform_fill_programming_language() folosind metoda .fillna() pentru a înlocui valorile lipsă.

Acest exercițiu face parte din cursul

Introducere în Data Engineering

Vezi cursul

Instrucțiuni pentru exercițiu

  • Afișează numărul valorilor lipsă din course_data.
  • Valorile lipsă din coloana programming_language ar trebui înlocuite cu limbajul "R".
  • Afișează din nou numărul valorilor lipsă pe fiecare coloană, de data aceasta pentru transformed.

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

course_data = extract_course_data(db_engines)

# Print out the number of missing values per column
print(____.____().____())

# The transformation should fill in the missing values
def transform_fill_programming_language(course_data):
    imputed = course_data.____({"programming_language": "____"})
    return imputed

transformed = transform_fill_programming_language(course_data)

# Print out the number of missing values per column of transformed
print(____)
Editează și rulează codul