Заполнение пропущенных значений с помощью pandas
При построении пайплайнов данных неизбежно встречаются пропущенные значения. В одних случаях такие записи можно просто удалить из набора данных, в других — необходимо заполнить пропуски подходящими значениями. В этом упражнении вы попрактикуетесь в использовании pandas для импутации пропущенных результатов тестирования.
Данные из файла "testing_scores.json" были считаны в DataFrame и сохранены в переменной raw_testing_scores. Библиотека pandas уже импортирована как pd.
Это упражнение является частью курса
ETL и ELT на Python
Интерактивное практическое упражнение
Попробуйте выполнить это упражнение, дополнив этот пример кода.
# Print the head of the `raw_testing_scores` DataFrame
print(raw_testing_scores.____)