Вилучення пропущених даних
Ви замінили пропущені значення у person_emp_length, але в попередній вправі ви бачили, що у loan_int_rate також є пропуски.
Подібно до ситуації з пропущеними значеннями в loan_status, наявність пропусків у loan_int_rate ускладнюватиме прогнозування.
Оскільки відсоткові ставки встановлює ваша компанія, пропуски в цьому стовпці виглядають дуже нетипово. Ймовірно, під час завантаження даних сталися помилки, але точно ви цього не знаєте. Поки що найкраще .drop() ці записи, перш ніж рухатися далі.
Набір даних cr_loan завантажено в робочу область.
Ця вправа є частиною курсу
Моделювання кредитного ризику в Python
Інструкції до вправи
- Виведіть кількість записів, що містять пропущені дані для відсоткової ставки.
- Створіть масив індексів рядків із пропущеною відсотковою ставкою під назвою indices.
- Вилучіть записи з пропущеними даними відсоткової ставки та збережіть результат у
cr_loan_clean.
Інтерактивна практична вправа
Спробуйте виконати цю вправу, доповнивши цей зразок коду.
# Print the number of nulls
print(____[____].____().____())
# Store the array on indices
____ = ____[____[____].____].____
# Save the new data without missing data
____ = ____.____(____)