Fylla i saknade värden med pandas
När du bygger datapipelines är det oundvikligt att du stöter på saknade data. I vissa fall kan du vilja ta bort dessa poster från datamängden. I andra fall behöver du istället imputera värden för den saknade informationen. I den här övningen övar du på att använda pandas för att imputera saknade testresultat.
Data från filen "testing_scores.json" har lästs in i en DataFrame och lagrats i variabeln raw_testing_scores. Dessutom har pandas laddats in som pd.
Den här övningen är en del av kursen
ETL och ELT i Python
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# Print the head of the `raw_testing_scores` DataFrame
print(raw_testing_scores.____)