Phân tích tỷ lệ thiếu dữ liệu
Trước khi xử lý dữ liệu thiếu, điều quan trọng là phân tích các yếu tố xoay quanh hiện tượng thiếu dữ liệu. Bước cơ bản là phân tích mức độ thiếu, tức là số lượng giá trị bị thiếu của mỗi biến. Trong bài tập này, bạn sẽ tính tổng số giá trị bị thiếu theo từng cột và tính cả phần trăm giá trị bị thiếu theo cột.
Trong bài tập này, bạn sẽ nạp bộ dữ liệu 'airquality' bằng cách phân tích cột Date rồi tính tổng số giá trị bị thiếu và mức độ thiếu (tính theo phần trăm) trên DataFrame nullity
Bài tập này là một phần của khóa học
Xử lý Dữ liệu Khuyết trong Python
Bài tập tương tác thực hành trực tiếp
Hãy thử làm bài tập này bằng cách hoàn thành đoạn mã mẫu này.
# Load the air-quality.csv dataset
airquality = pd.read_csv(___, parse_dates=[___], index_col=___)