Пропущенные значения

В реальных данных есть пропуски: датчик выходит из строя, ученик пропускает тест. pandas помечает каждую пустую ячейку как NaN — «не число»:

Большинство моделей не принимают NaN, поэтому сначала посчитай пропуски. .isna() помечает каждый из них как True, а .sum() подсчитывает их:

scores = pd.DataFrame({
    "name": ["Ana", "Ben", "Cy", "Dee"],
    "quiz1": [8, np.nan, 7, 9],  # np.nan — это пропуск
    "quiz2": [6, 5, np.nan, np.nan],
})
print(scores.isna().sum())

Это выводит:

name     0
quiz1    1
quiz2    2
dtype: int64

Затем выбери: dropna() удаляет каждую строку с пропуском; fillna(0) записывает 0 в каждую. Оба метода возвращают новую таблицу, поэтому сохрани её.

При вычислении статистики значения NaN пропускаются: среднее значение quiz1 равно 8.0, рассчитанному по трём известным оценкам.