Analysera andelen saknade värden
Innan du börjar behandla saknade data är det viktigt att analysera de olika faktorer som rör dem. Det grundläggande steget är att undersöka graden av missingness – det vill säga hur många värden som saknas för en variabel. I den här övningen beräknar du det totala antalet saknade värden per kolumn och tar även reda på den procentuella andelen saknade värden per kolumn.
Du laddar datamängden 'airquality' genom att tolka kolumnen Date, och beräknar sedan summan av saknade värden samt graden av missingness i procent på nullity-DataFramen.
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.
# Load the air-quality.csv dataset
airquality = pd.read_csv(___, parse_dates=[___], index_col=___)