Введение
В этом практическом занятии мы научимся обрабатывать пропущенные данные в pandas, что является распространенной проблемой в анализе данных. Мы рассмотрим, как идентифицировать пропущенные данные, заполнять пропущенные значения и удалять ненужные данные. Также мы обсудим экспериментальный скаляр NA
в pandas, который можно использовать для обозначения пропущенных значений.
Советы по работе с ВМ
После запуска ВМ нажмите в левом верхнем углу, чтобы переключиться на вкладку Notebook и получить доступ к Jupyter Notebook для практики.
Иногда вам может потребоваться подождать несколько секунд, пока Jupyter Notebook полностью загрузится. Валидация операций не может быть автоматизирована из-за ограничений Jupyter Notebook.
Если вы сталкиваетесь с проблемами во время обучения, не стесняйтесь обращаться к Labby. Оставьте отзыв после занятия, и мы оперативно решим проблему для вас.