填補遺漏資料
你發現 Rental Listing Inquiries 資料集中的「price」與「building_id」欄位有遺漏值。因此，在把資料送進模型之前，你需要先填補這些值。
數值型特徵「price」將以非遺漏價格的平均值來編碼。
把類別型特徵「buildingid」以最常見的類別來填補並不好，因為那會表示所有缺少「buildingid」的公寓都位在最熱門的大樓。更好的做法是用一個新的類別來填補。
競賽資料的 DataFrame rental_listings 已替你讀入。
本練習屬於課程
用 Python 拿下 Kaggle 競賽
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。
# Import SimpleImputer
from sklearn.impute import SimpleImputer
# Create mean imputer
mean_imputer = ____(strategy='____')
# Price imputation
rental_listings[['price']] = mean_imputer.____(____[[____]])