Valori lipsă

Analiză predictivă intermediară în Python

Nele Verbiest

Senior Data Scientist @PythonPredictions

Înlocuirea valorilor lipsă cu un agregat (1)

donor_id	age
5	-
3	25
2	36
8	40
1	26

Înlocuirea valorilor lipsă cu un agregat (2)

donor_id	age
5	38
3	25
2	36
8	40
1	26

Vârsta medie: 38

Înlocuirea valorilor lipsă cu un agregat (3)

donor_id	max_donation
5	-
3	1 000 000
2	100
8	40
1	120

Media max_donation: 25 065

Mediana max_donation: 110

Înlocuirea valorilor lipsă cu un agregat (4)

donor_id	max_donation
5	110
3	1 000 000
2	100
8	40
1	120

Media max_donation: 25 065

Mediana max_donation: 110

Înlocuirea valorilor lipsă cu o valoare fixă (1)

donor_id	sum_donations
5	130
3	10
2	-
8	40
1	120

Înlocuirea valorilor lipsă cu o valoare fixă (2)

donor_id	sum_donations
5	130
3	10
2	0
8	40
1	120

Înlocuirea valorilor lipsă în Python

# Replace missing values by 0
replacement = 0
basetable["donations_last_year"] = 
    basetable["donations_last_year"].fillna(replacement)

# Replace missing values by mean
replacement = basetable["age"].mean()
basetable["age"] = basetable["age"].fillna(replacement)

Variabile dummy pentru valori lipsă

    donor_id email
0     32770  [email protected]
1     32776  nan
2     32777  [email protected]
3     65552  nan

basetable["no_email"] = pd.Series(
                            [0 if email==email else 1 
                            for email in basetable["email"]])

      donor_id email                    no_email
0     32770  [email protected]   0
1     32776  nan                        1
2     32777  [email protected]   0
3     65552  nan                        1

Să exersăm!

Analiză predictivă intermediară în Python