开始使用免费开始使用

判断缺失类型

分析缺失类型有助于您推断处理缺失数据的最佳方法。Pima Indians 糖尿病数据集以存在缺失数据而广为人知。Pima Indians 是一个更易患糖尿病的族群。该数据集包含对该群体成员进行的多项实验室检测。

在视频课程中,您学习了 3 种缺失模式。在本练习中,您将先可视化缺失概览,然后识别该 DataFrame 中的缺失类型。

DataFrame 已加载为 diabetes

注意:我们使用了专有的 display() 函数来替代 plt.show(),以便您更方便地查看输出。

本练习是课程的一部分

在 Python 中处理缺失数据

查看课程

交互式实操练习

通过完成这段示例代码来试试这个练习。

# Import missingno as msno
___

# Visualize the missingness summary
___

# Display nullity matrix
display("/usr/local/share/datasets/matrix_diabetes.png")
编辑并运行代码