Не теряйте данные при стекировании
Рабочий день почти закончился, но сначала нужно завершить последнее задание. У вас есть небольшой набор данных с общим количеством звонков, совершённых клиентами.
Чтобы выполнить анализ, необходимо преобразовать данные churn, стекируя различные уровни. Вы знаете, что в процессе этого могут появиться пропущенные значения. Стоит проверить, имеет ли смысл сохранять строки, содержащие только пропущенные значения, или лучше от них избавиться.
DataFrame churn уже доступен для работы.
Это упражнение является частью курса
Преобразование данных с помощью pandas
Интерактивное практическое упражнение
Попробуйте выполнить это упражнение, дополнив этот пример кода.
# Stack the level type from churn
churn_stack = churn.____(____=____)
# Fill the resulting missing values with zero
churn_fill = churn_stack.____(____)
# Print churn_fill
print(churn_fill)