การแทนที่ค่าที่หายไปแบบซ่อนเร้น
ในแบบฝึกหัดสองข้อก่อนหน้า คุณได้ฝึกระบุและจัดการค่าที่หายไปขณะนำเข้าชุดข้อมูล ในแบบฝึกหัดนี้ จะเป็นการระบุค่าที่หายไปแบบซ่อนเร้นในข้อมูลและจัดการกับค่าเหล่านั้น โดยใช้ชุดข้อมูล diabetes ที่โหลดไว้ให้แล้ว
ใน DataFrame diabetes มีค่า 0 อยู่ในคอลัมน์ BMI ซึ่งในความเป็นจริง BMI ไม่สามารถเป็น 0 ได้ ค่าเหล่านั้นควรเป็น NaN แทน ในแบบฝึกหัดนี้จะได้เรียนรู้วิธีตรวจจับความผิดปกติดังกล่าว รวมถึงวิเคราะห์ข้อมูลเบื้องต้นเพื่อค้นหาค่าที่หายไปและแทนที่ค่าเหล่านั้น โดย numpy และ pandas ถูกนำเข้ามาใน DataFrame ในชื่อ np และ pd ตามลำดับ
นอกจากนี้ ลองสำรวจชุดข้อมูลด้วยคำสั่งอย่าง .head() หรือ .info() เพื่อทำความคุ้นเคยกับข้อมูลมากขึ้น
แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร
การจัดการข้อมูลที่หายไปใน Python
แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ
ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์
# Print the description of the data
print(___)