จะลบข้อมูลที่หายไปหรือไม่?
ก่อนที่จะลบค่าที่หายไปออกทั้งหมด ต้องพิจารณาปัจจัยต่าง ๆ ในการลบก่อน ปัจจัยที่ง่ายที่สุดคือขนาดของข้อมูลที่หายไป ส่วนสาเหตุที่ซับซ้อนกว่านั้นอาจต้องอาศัยความรู้เฉพาะด้าน ในแบบฝึกหัดนี้ จะได้ระบุสาเหตุของการหายไปของข้อมูล แล้วจึงดำเนินการลบให้เหมาะสม
เริ่มต้นด้วยการใช้ msno.matrix() และ msno.heatmap() เพื่อแสดงภาพค่าที่หายไปและความสัมพันธ์ระหว่างตัวแปรที่มีข้อมูลหายไป จากนั้นจะวิเคราะห์รูปแบบของการหายไป และสุดท้ายจะลบข้อมูลตามประเภทของการหายไปนั้น
โหลด DataFrame diabetes ไว้ให้แล้ว
หมายเหตุ: ในที่นี้ใช้ฟังก์ชัน display() แทน plt.show() เพื่อให้ดูผลลัพธ์ได้สะดวกขึ้น
แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร
การจัดการข้อมูลที่หายไปใน Python
แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ
ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์
# Visualize the missingness in the data
___.___(___)
# Display nullity matrix
display("/usr/local/share/datasets/matrix_diabetes.png")