Сначала понять, почему значение пропущено: технический сбой, «не применимо» (нет второго адреса), пользователь не захотел указывать. Пропуск часто несёт информацию. Варианты: исключить строки (если пропусков мало и они случайны), заполнить (медианой, отдельной категорией, прошлым значением для временных рядов), оставить пропуск и добавить флаг «было пропущено».
А ещё Многие модели бустинга умеют работать с пропусками сами
Так подсказку видит пользователь sotto на живом собеседовании — за пару секунд, пока вы думаете вслух.
Механизмы пропусков:
Инструменты pandas: isna().mean() — доля пропусков по столбцам, fillna, ffill для рядов, dropna(subset=…), отдельная категория "unknown" для строк.
NULL против NaN: в SQL AVG игнорирует NULL, COUNT(col) их не считает, NULL = NULL — не истина. В pandas mean пропускает NaN по умолчанию, а sum пустого столбца — 0. Расхождения отчётов часто отсюда.
sotto слышит вопрос интервьюера и показывает короткий ответ и план, как в блоке «Коротко». Оставьте контакт — пришлём доступ и промокод.
sotto