Ersätta dolda saknade värden

I de två föregående övningarna arbetade du med att identifiera och hantera saknade värden när du importerade en datamängd. I den här övningen ska du identifiera dolda saknade värden i dina data och hantera dem. Du använder datamängden diabetes, som redan har laddats in åt dig.

DataFramen diabetes innehåller 0:or i kolumnen BMI. Men BMI kan inte vara 0 – det borde i stället vara NaN. I den här övningen lär du dig att upptäcka sådana avvikelser. Du utför en enkel dataanalys för att hitta saknade värden och ersätta dem. Både numpy och pandas har importerats till din DataFrame som np respektive pd.

Du kan också utforska datamängden på egen hand – till exempel genom att skriva ut .head(), .info() och liknande för att bekanta dig bättre med den.