เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

กรองข้อมูลที่เสียหายออก

หนึ่งในขั้นตอนที่พบบ่อยในช่วง transformation คือการทำความสะอาดข้อมูลที่ไม่สมบูรณ์ ในแบบฝึกหัดนี้ จะได้ทำงานกับข้อมูลคอร์สที่มีรูปแบบดังนี้:

course_id title description programming_language
1 Some Course … r

ให้ตรวจสอบ DataFrame นี้และตรวจดูว่าไม่มีค่าที่หายไป โดยใช้เมธอด .isnull().sum() ของ pandas DataFrame ซึ่งจะพบว่าคอลัมน์ programming_language มีค่าที่หายไปอยู่บางส่วน

ดังนั้น ให้เติมโค้ดในฟังก์ชัน transform_fill_programming_language() โดยใช้เมธอด .fillna() เพื่อเติมค่าที่หายไป

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

Data Engineering เบื้องต้น

ดูคอร์ส

คำแนะนำการฝึกหัด

  • แสดงจำนวนค่าที่หายไปใน course_data
  • ค่าที่หายไปในคอลัมน์ programming_language ให้ใช้ภาษา "R"
  • แสดงจำนวนค่าที่หายไปในแต่ละคอลัมน์อีกครั้ง คราวนี้สำหรับ transformed

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

course_data = extract_course_data(db_engines)

# Print out the number of missing values per column
print(____.____().____())

# The transformation should fill in the missing values
def transform_fill_programming_language(course_data):
    imputed = course_data.____({"programming_language": "____"})
    return imputed

transformed = transform_fill_programming_language(course_data)

# Print out the number of missing values per column of transformed
print(____)
แก้ไขและรันโค้ด