การสร้าง Dummy สำหรับค่าที่หายไป

กำหนดให้มี basetable ที่มีตัวแปรเชิงพยากรณ์ชื่อ "total_donations" ซึ่งเก็บจำนวนครั้งทั้งหมดที่ผู้บริจาคเคยบริจาค ตัวแปรนี้อาจมีค่าที่หายไป ซึ่งหมายความว่าผู้บริจาครายนั้นยังไม่เคยบริจาคมาก่อน ข้อมูลนี้มีความสำคัญในตัวเอง จึงควรสร้างตัวแปร "no_donations" เพื่อระบุว่า "total_donations" มีค่าที่หายไปหรือไม่

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

Predictive Analytics ระดับกลางด้วย Python

ดูคอร์ส

คำแนะนำการฝึกหัด

สร้างคอลัมน์ใหม่ "no_donations" ใน basetable โดยให้มีค่าเป็น 1 หาก total_donations มีค่าที่หายไป และ 0 ในกรณีอื่น
คำนวณจำนวนค่าที่หายไปใน total_donations แล้วกำหนดให้กับตัวแปร number_na
แสดงผลเปอร์เซ็นต์ของค่าที่หายไป

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# 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))

แก้ไขและรันโค้ด