Создание фиктивной переменной для пропущенных значений
Предположим, в basetable есть предиктивная переменная "total_donations", которая содержит общее количество пожертвований, когда-либо сделанных донором. Эта переменная может принимать пропущенные значения — это означает, что данный донор ещё не делал пожертвований. Такая информация сама по себе важна, поэтому имеет смысл создать переменную "no_donations", которая указывает, является ли значение "total_donations" пропущенным.
Это упражнение является частью курса
Средний уровень прогностической аналитики на Python
Инструкции к упражнению
- Создайте новый столбец "no_donations" в
basetable, который принимает значение 1, еслиtotal_donationsотсутствует, и 0 в противном случае. - Вычислите количество пропущенных значений в
total_donationsи присвойте результат переменнойnumber_na. - Выведите на экран долю пропущенных значений в процентах.
Интерактивное практическое упражнение
Попробуйте выполнить это упражнение, дополнив этот пример кода.
# Create dummy indicating missing values
basetable["____"] = pd.Series([____ if b else ____ for b in basetable["total_donations"].isna()])
# Calculate number of missing values
number_na = sum(____["no_donations"] == ____)
# Calculate percentage of missing values
print(round(____ / ____(____), 2))