Заполнение пропущенных значений с помощью средних
При работе с собственными данными вы, скорее всего, столкнётесь с пропущенными значениями. В этом упражнении вы потренируетесь их заполнять. Импутация пропущенных значений важна: она позволяет избежать ошибок в анализе из-за неполных данных.
Библиотека pandas загружена с псевдонимом pd, NumPy — с псевдонимом np. Для вас уже загружен DataFrame pandas под названием dataset. В нём есть столбец "Total Current Liabilities", который содержит несколько пропущенных значений.
Это упражнение является частью курса
Анализ финансовой отчётности на Python
Интерактивное практическое упражнение
Попробуйте выполнить это упражнение, дополнив этот пример кода.
# Impute missing value using average non-missing values by company
impute_by_company = dataset.____
# Impute missing value using average non-missing values by industry
impute_by_comp_type = dataset.____
print(impute_by_company)
print(impute_by_comp_type)