Problemática de valores faltantes
El problema de trabajar con valores faltantes
Proceso de análisis y limpieza de datos
Visualizar y eliminar valores faltantes
Implicaciones de los distintos tipos de valores faltantes
Amplía tu conjunto de herramientas para explorar valores faltantes
Tratamiento de variables categóricas para imputación: codificación ordinal
Tratamiento de variables categóricas para imputación: one-hot encoding
Métodos de imputación de valores faltantes
Imputación basada en el donante
Imputación por media, mediana y moda
Imputación por llenado hacia atrás y hacia adelante
Imputación por interpolación
Imputación por KNN
Imputación por KNN en Python
Imputación basada en modelos
Introducción a la imputación basada en modelos
Imputaciones Múltiples por Ecuaciones Encadenadas (MICE)
Conclusión
Transformación inversa de los datos
¿Cómo continuar practicando?
No tienes acceso a esta clase
¡Continúa aprendiendo! Únete y comienza a potenciar tu carrera
Aportes 4
Preguntas 0
Le embocamos un apply y listo el polio
(
nhanes_df
.select_columns("height", "weight", "gender", "diabetes", "general_health_condition")
.sort_values(
by=['gender','diabetes','general_health_condition','weight'],
ascending=True
)
.groupby(["gender", "general_health_condition"], dropna=False)
.apply(lambda x: x.ffill())
)
Muy útil la recomendación a la hora de hacer la imputación hacia adelante organizar por datos o grupos similares, de esta manera los datos reemplazados se parecen a sus semejantes.
Esta sera la resolucion al reto? creo falto un poquito de claridad sobre lo que se buscaba, o sere yo muy noob.
Yo entendi qee habia que agrupar por las variables categoricas que son genero y condicion general de salud.
Y alli si aplicar el transform_column().
(
nhanes_df
.select_columns("height", "weight", "gender", "diabetes", "general_health_condition")
.groupby(["gender", "general_health_condition"], dropna=False).value_counts(dropna=False)
.reset_index()
.transform_column(
"weight",
lambda x: x.bfill(),
elementwise = False
)
.transform_column(
"height",
lambda x: x.bfill(),
elementwise = False
)
.head(20)
)
No entendi muy bien el reto porque al aplicar un groupby lo que hago es eliminar o agrupar las observaciones duplicadas y cambiara completamente los resultados, en fin cumpliendo con el reto esta es mi solucion
(
nhanes_df
.select_columns('height','weight','gender','diabetes','general_health_condition')
.groupby(['gender','diabetes','general_health_condition','height','weight'], as_index=False, dropna=False).sum()
.pipe(
lambda df: (df.sort_values(
by=['gender','diabetes','general_health_condition','height'],
ascending=True
)
.transform_columns(
['weight','height','general_health_condition'],
lambda x: x.ffill(),
elementwise=False
)
)
)
)
¿Quieres ver más aportes, preguntas y respuestas de la comunidad?
o inicia sesión.