Замена пропущенных значений
В предыдущем упражнении вы анализировали набор данных о колледжах и выяснили, что '.' обозначает пропущенное значение. В этом упражнении вы узнаете, как правильно обрабатывать такие значения с помощью модуля pandas.
Вы научитесь работать с подобными значениями при импорте CSV-файла в pandas: для этого используется функция read_csv() и её аргумент na_values, который позволяет указать, какие значения в DataFrame считать пропущенными.
Набор данных загружен как college.csv. Библиотеки pandas и numpy уже импортированы как pd и np соответственно.
Это упражнение является частью курса
Работа с пропущенными данными в Python
Интерактивное практическое упражнение
Попробуйте выполнить это упражнение, дополнив этот пример кода.
# Read the dataset 'college.csv' with na_values set to '.'
college = pd.read_csv(___, ___)
print(college.head())