删除缺失数据
您已经替换了 person_emp_length 中的缺失数据，但在上一个练习中您也看到 loan_int_rate 存在缺失值。
与 loan_status 中存在缺失值类似，loan_int_rate 中的缺失会让模型难以进行预测。
由于利率由您的公司设定，这一列出现缺失值非常反常。可能是数据摄取过程中出了问题，但您无法确定。当前，最好的做法是在继续之前先用 .drop() 将这些记录删除。
数据集 cr_loan 已加载到工作区。
本练习是课程的一部分
Python 信用风险建模
练习说明
- 打印含有利率缺失数据的记录数量。
- 创建一个包含利率缺失行索引的数组，命名为 indices。
- 删除利率缺失的记录，并将结果保存到
cr_loan_clean。
交互式实操练习
通过完成这段示例代码来试试这个练习。
# Print the number of nulls
print(____[____].____().____())
# Store the array on indices
____ = ____[____[____].____].____
# Save the new data without missing data
____ = ____.____(____)