追蹤資金流向
在這個練習中，你會使用另一個版本的 banking DataFrame，其中 cust_id 欄與 acct_amount 欄都包含遺漏值。
你想要分析銀行擁有多少獨立客戶、客戶平均持有金額等。你知道缺少 cust_id 的列對分析沒有幫助，而且平均而言，acct_amount 通常約為 inv_amount 的 5 倍。
在本練習中，你會刪除 banking 中缺少 cust_id 的列，並運用領域知識，以估計值來填補 acct_amount 的遺漏值。
本練習屬於課程
用 Python 進行資料清理
練習說明
- 使用
.dropna()刪除banking中cust_id欄位的遺漏值列，並將結果存成banking_fullid。 - 使用
inv_amount估算banking_fullid的帳戶金額，將金額設為inv_amount * 5，並將結果指定為acct_imp。 - 使用
.fillna()，以新建立的acct_imp填補banking_fullid中acct_amount的遺漏值。
動手互動練習
試著完成這個範例程式碼，體驗一下這個練習。
# 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())