Заміна прихованих пропущених значень
У двох попередніх вправах ви визначали та обробляли пропущені значення під час імпорту набору даних. У цій вправі ви попрактикуєтеся знаходити приховані пропущені значення у своїх даних і правильно їх обробляти. Ви використаєте набір даних diabetes, який уже завантажено для вас.
У датафреймі diabetes у стовпці BMI є значення 0. Проте BMI не може дорівнювати 0. Замість цього там має бути NaN. У цій вправі ви навчитеся знаходити такі невідповідності. Ви виконаєте простий аналіз даних, щоб виявити пропущені значення та замінити їх. Бібліотеки numpy та pandas вже імпортовано як np і pd відповідно.
Крім того, можете переглянути набір даних, наприклад вивести .head(), .info() тощо, щоб краще з ним ознайомитися.
Ця вправа є частиною курсу
Робота з пропущеними даними в Python
Інтерактивна практична вправа
Спробуйте виконати цю вправу, доповнивши цей зразок коду.
# Print the description of the data
print(___)