高级缺失数据处理
在上一个练习中，您学习了如何识别 DataFrame 各列中的缺失值数量，并可直接删除含有缺失值的行。可是，如果有大量行存在缺失值怎么办？如果您并不想轻易从数据中删除行呢？这时就要用到"替换"的思路——将缺失值用其他值替代。
在本练习中，您将继续使用与上一题相同的 sales_df DataFrame，但不再删除缺失值，而是把每一列中的缺失值替换为该列非缺失值的平均数。您将编写一个函数，使其可应用于 DataFrame 的任意列。
本练习是课程的一部分
Julia 中级
交互式实操练习
通过完成这段示例代码来试试这个练习。
# Define a function replace_missing that takes one argument, the name of the column we want to modify
____ replace_missing(____)
end