Предобработка цензурированных данных

Вы — морской биолог, изучающий продолжительность жизни дельфинов-спиннеров. В вашем распоряжении есть исторические данные с датами рождения и смерти этих животных. Некоторые помеченные дельфины мигрировали в другую часть акватории, и лаборатория потеряла их из виду. Некоторые дельфины прибыли из другой группы, и их точные даты рождения неизвестны. Часть дельфинов жива до сих пор!

Если дата рождения равна NaN, дельфин является мигрантом.
Если дата смерти равна NaN, дельфин либо уплыл, либо ещё жив.

DataFrame называется dolphin_df. Чтобы создать новый столбец observed, обозначающий, является ли время жизни дельфина цензурированным, заполните функцию check_observed подходящими значениями и примените её к dolphin_df с помощью .apply().

pandas и numpy загружены как pd и np соответственно.

Это упражнение является частью курса

Анализ выживаемости в Python

Посмотреть курс

Инструкции к упражнению

Создайте функцию check_observed, которая возвращает 0, если наблюдение цензурировано, и 1 в противном случае.
Создайте столбец с признаком цензурирования под названием observed, используя функцию check_observed.
Выведите среднее значение столбца observed в консоль.

Интерактивное практическое упражнение

Попробуйте выполнить это упражнение, дополнив этот пример кода.

# Create a function to return 1 if observed 0 otherwise
def check_observed(row):
    if pd.isna(row['birth_date']):
        flag = ____
    elif pd.isna(row['death_date']):
        flag = ____
    else:
        flag = ____
    return ____
  
# Create a censorship flag column
dolphin_df[____] = dolphin_df.apply(____, axis=1)

# Print average of observed
print(np.average(____))

Редактировать и запускать код