Ska du ta bort data?
Innan du tar bort saknade värden helt och hållet bör du ta hänsyn till faktorerna som avgör om det är rätt beslut. Den enklaste faktorn att bedöma är hur stor andel data som saknas. Mer komplexa orsaker till saknade värden kan kräva domänkunskap. I den här övningen identifierar du orsaken till att data saknas och utför sedan lämplig borttagning.
Du börjar med att använda msno.matrix() och msno.heatmap() för att visualisera saknade värden och korrelationen mellan variabler med saknade data. Sedan bestämmer du mönstret i saknade värden. Slutligen tar du bort data beroende på typen av saknade värden.
DataFrame:en diabetes har redan lästs in åt dig.
Observera att vi har använt en egenutvecklad display()-funktion i stället för plt.show() för att göra det enklare för dig att se utdata.
Den här övningen är en del av kursen
Hantera saknade värden i Python
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# Visualize the missingness in the data
___.___(___)
# Display nullity matrix
display("/usr/local/share/datasets/matrix_diabetes.png")