Модуль: Предобработка данных

Обработка пропусков

df.dropna() - удаляет строки с пропусками
df.fillna(value, inplace=True) - заполняет пропуски значением value
df.fillna(df.mean(), inplace=True) - заполняет средним значением

Параметр inplace:
inplace=False (по умолчанию) - создает копию с изменениями
inplace=True- изменяет исходный DataFrame напрямую

Метод fillna() с словарем позволяет заполнить пропуски в разных столбцах различными значениями за одну операцию. Синтаксис:

df.fillna({'column1': value1, 'column2': value2, ...})

Пример
 

df = ...
# Заполнение разными значениями
fill_dict = {
    'age': df['age'].mean(),      # Средним значением
    'salary': df['salary'].median(), # Медианой
    'city': 'Unknown'             # Константой
}

df_filled = df.fillna(fill_dict)
print(df_filled)

 

---

Задание

Проанализируйте датасет супергероев, считав его из прикрепленного файла
Напишите программу, который ищет и обрабатывает пропуски. 

1. Заполните пропуски в power и intelligence средними значениями
2. Заполните пропуски в costume_cost медианным значением 
3. Заполните пропуски в first_appearance значением 1950 
4. Для текстовых полей (name, alias, universe) заполните пропуски строкой Unknown

Выведите обработанный датасет на экран, используя print(df)

Напишите программу