取代遺漏值
處理遺漏值的另一種方式是把它們全部換成相同的值。對數值型變數來說，可以選擇用 0 取代——你會在這裡這麼做。不過，當你取代遺漏值時，其實也是在對「遺漏值的意義」做假設。在這個例子裡，你會假設「遺漏的銷售數量」代表那一週該種酪梨沒有賣出。
在本練習中，你會用長條圖來看看，將遺漏值取代後，變數的分佈會受到什麼影響。你可以一次為多個變數繪製長條圖，例如：
dogs[["height_cm", "weight_kg"]].hist()
已經以 pd 匯入了 pandas，並以 plt 匯入了 matplotlib.pyplot。avocados_2016 資料集已可使用。
本練習屬於課程
使用 pandas 進行資料操作
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。
# List the columns with missing values
cols_with_missing = ["small_sold", "large_sold", "xl_sold"]
# Create histograms showing the distributions cols_with_missing
avocados_2016[____].____
# Show the plot
____