Bắt đầu ngayBắt đầu miễn phí

Lần theo dòng tiền

Trong bài này, bạn làm việc với một phiên bản khác của DataFrame banking có giá trị thiếu ở cả cột cust_id và acct_amount.

Bạn muốn phân tích xem ngân hàng có bao nhiêu khách hàng duy nhất, số tiền trung bình mà khách hàng nắm giữ và nhiều chỉ số khác. Bạn biết rằng các hàng thiếu cust_id không hữu ích, và trung bình acct_amount thường gấp 5 lần inv_amount.

Trong bài tập này, bạn sẽ loại bỏ các hàng trong banking bị thiếu cust_id, và nội suy các giá trị thiếu của acct_amount dựa trên hiểu biết nghiệp vụ.

Bài tập này là một phần của khóa học

Làm sạch dữ liệu với Python

Xem khóa học

Hướng dẫn bài tập

  • Dùng .dropna() để loại bỏ các giá trị thiếu của cột cust_id trong banking và lưu kết quả vào banking_fullid.
  • Dùng inv_amount để tính giá trị ước tính cho acct_amount trong banking_fullid bằng cách đặt bằng inv_amount * 5, và gán kết quả cho acct_imp.
  • Nội suy (điền) các giá trị thiếu của acct_amount trong banking_fullid bằng acct_imp vừa tạo, sử dụng .fillna().

Bài tập tương tác thực hành trực tiếp

Hãy thử làm bài tập này bằng cách hoàn thành đoạn mã mẫu này.

# 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())
Chỉnh sửa và Chạy Mã