ПочатиПочніть безкоштовно

Відстежте кошти

У цій вправі ви працюєте з іншою версією датафрейму banking, яка містить пропущені значення як у стовпці cust_id, так і в стовпці acct_amount.

Ви хочете проаналізувати, скільки у банку унікальних клієнтів, середню суму на рахунках клієнтів тощо. Ви розумієте, що рядки з відсутніми cust_id не допоможуть у цьому, а в середньому acct_amount зазвичай у 5 разів перевищує inv_amount.

У цій вправі ви видалите з banking рядки з пропущеними cust_id, а також імпутуєте пропущені значення acct_amount, використовуючи галузеві знання.

Ця вправа є частиною курсу

Очищення даних у Python

Переглянути курс

Інструкції до вправи

  • Використайте .dropna(), щоб видалити пропущені значення у стовпці cust_id в banking, і збережіть результат у banking_fullid.
  • Використайте inv_amount, щоб обчислити оцінені суми на рахунках для banking_fullid, встановивши суми рівними inv_amount * 5, і запишіть результат у acct_imp.
  • Імпутуйте пропущені значення acct_amount у banking_fullid щойно створеним acct_imp, використовуючи .fillna().

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

# Drop missing values of cust_id
banking_fullid = banking.____(subset = ['____'])

# Compute estimated acct_amount
acct_imp = ____

# Impute missing acct_amount with corresponding acct_imp
banking_imputed = banking_fullid.____({'____':____})

# Print number of missing values
print(banking_imputed.isna().sum())
Редагувати та запускати код