วิเคราะห์เปอร์เซ็นต์ของข้อมูลที่หายไป
ก่อนจะเริ่มจัดการกับข้อมูลที่หายไป สิ่งสำคัญคือต้องวิเคราะห์ปัจจัยต่าง ๆ ที่เกี่ยวข้องกับข้อมูลที่หายไปเสียก่อน ขั้นตอนพื้นฐานในการวิเคราะห์คือการดูปริมาณข้อมูลที่ขาดหาย นั่นคือจำนวนค่าที่หายไปในแต่ละตัวแปร ในแบบฝึกหัดนี้ จะได้คำนวณจำนวนรวมของค่าที่หายไปในแต่ละคอลัมน์ และหาเปอร์เซ็นต์ของค่าที่หายไปในแต่ละคอลัมน์ด้วย
ในแบบฝึกหัดนี้ จะโหลดชุดข้อมูล 'airquality' โดยแปลงคอลัมน์ Date แล้วคำนวณผลรวมของค่าที่หายไปและระดับความขาดหายเป็นเปอร์เซ็นต์จาก nullity DataFrame
แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร
การจัดการข้อมูลที่หายไปใน Python
แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ
ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์
# Load the air-quality.csv dataset
airquality = pd.read_csv(___, parse_dates=[___], index_col=___)