Skapa en dummyvariabel för saknade värden
Givet ett basetable med en prediktiv variabel "total_donations" som innehåller det totala antalet donationer en givare någonsin har gjort. Den här variabeln kan ha saknade värden, vilket indikerar att givaren aldrig har donerat tidigare. Det är i sig viktig information, och det är därför lämpligt att skapa en variabel "no_donations" som anger om "total_donations" saknar ett värde.
Den här övningen är en del av kursen
Prediktiv analys på mellannivå i Python
Övningsinstruktioner
- Skapa en ny kolumn "no_donations" i
basetablemed värdet 1 omtotal_donationssaknar ett värde och 0 annars. - Beräkna antalet saknade värden i
total_donationsoch tilldela resultatet tillnumber_na. - Skriv ut andelen saknade värden.
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# Create dummy indicating missing values
basetable["____"] = pd.Series([____ if b else ____ for b in basetable["total_donations"].isna()])
# Calculate number of missing values
number_na = sum(____["no_donations"] == ____)
# Calculate percentage of missing values
print(round(____ / ____(____), 2))