Продвинутая работа с пропущенными данными
В предыдущем упражнении вы узнали, как определить количество пропущенных значений в каждом столбце DataFrame, а затем просто удалить строки, содержащие такие значения. Но что, если строк с пропусками очень много? Что, если удалять данные нежелательно? Здесь на помощь приходит замена: пропущенные значения можно заменить чем-то другим.
В этом упражнении вы будете работать с тем же DataFrame sales_df, что и в предыдущем, но вместо удаления строк с пропусками вы замените пропущенные значения в каждом столбце средним значением всех непропущенных элементов. Вы напишете функцию, которую затем можно применить к любому столбцу DataFrame.
Это упражнение является частью курса
Средний уровень Julia
Интерактивное практическое упражнение
Попробуйте выполнить это упражнение, дополнив этот пример кода.
# Define a function replace_missing that takes one argument, the name of the column we want to modify
____ replace_missing(____)
end