你會刪除嗎？

在完全刪除遺漏值之前，你必須先評估刪除的考量因素。最簡單的是遺漏資料的規模。更複雜的遺漏原因可能需要領域知識。在本練習中，你會先判斷遺漏的原因，接著採取適當的刪除方式。

你會先使用 msno.matrix() 和 msno.heatmap() 來視覺化遺漏情形，以及遺漏資料與變數之間的相關性。然後你會判定遺漏是否有特定模式。最後，依遺漏的類型決定是否刪除。

我們已為你載入 diabetes DataFrame。

注意：我們使用了專用的 display() 函式來取代 plt.show()，讓你更容易檢視輸出結果。