Пропущенные значения

Наборы данных без пропущенных значений встречаются крайне редко. В pandas пропущенные значения представлены как NaN. Чтобы проверить их наличие, используйте функцию isnull(). pd.isnull(df['column']) вернёт True, если значение отсутствует, и False, если пропущенных значений нет.

По сравнению с R, пропущенные значения в Python ведут себя несколько иначе. Например, метод .mean() автоматически игнорирует их при вычислении среднего. Кроме того, заменить пропущенные значения можно с помощью метода .fillna(): он подставит указанное значение на место всех пропусков в столбце.

В этом упражнении набор данных tips был изменён так, чтобы содержать несколько пропущенных значений.