Kom igångKom igång gratis

Kontrollera saknade värden

Att identifiera saknade värden är viktigt för analysen. Med samma datamängd beräknar du det totala antalet saknade värden genom att iterera över både rader och kolumner. När saknade värden har hittats behövs ytterligare metoder för att hantera dem – till exempel Imputer från sklearn. Saknade värden måste hanteras, annars blir det svårt att genomföra en korrekt CTR-prediktion.

Exempeldata i DataFrame-format är inläst som df. pandas finns tillgängligt som pd i din arbetsyta.

Den här övningen är en del av kursen

Förutsäga CTR med maskininlärning i Python

Visa kurs

Övningsinstruktioner

  • Skriv ut en grundläggande sammanfattning av kolumnerna med .info().
  • Skriv ut de saknade värdena per kolumn med .isnull() (glöm inte parenteserna!).
  • Skriv ut det totala antalet saknade värden per rad med axis = 1 och .sum().

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# Print info
print(df.____)

# Print missing values by column 
print(df.____.sum(____ = 0))

# Print total number of missing values in rows
print(df.____.sum(____ = 1).____)
Redigera och kör kod