У меня есть набор данных жилья.
sac_new.head()
street city zip state beds baths sq__ft type sale_date price latitude longitude
0 3526 HIGH ST SACRAMENTO 95838 CA 2 1 836 Residential Wed May 21 00:00:00 EDT 2008 59222 38.631913 -121.434879
1 51 OMAHA CT SACRAMENTO 95823 CA 3 1 1167 Residential Wed May 21 00:00:00 EDT 2008 68212 38.478902 -121.431028
2 2796 BRANCH ST SACRAMENTO 95815 CA 2 1 796 Residential Wed May 21 00:00:00 EDT 2008 68880 38.618305 -121.443839
3 2805 JANETTE WAY SACRAMENTO 95815 CA 2 1 852 Residential Wed May 21 00:00:00 EDT 2008 69307 38.616835 -121.439146
4 6001 MCMAHON DR SACRAMENTO 95824 CA 2 1 797 Residential Wed May 21 00:00:00 EDT 2008 81900 38.519470 -121.435768
sac_new.describe()
zip beds baths sq__ft price latitude longitude
count 985.000000 985.000000 985.000000 985.000000 985.000000 985.000000 985.000000
mean 95750.697462 2.911675 1.776650 1312.918782 233715.951269 38.445121 -121.193371
std 85.176072 1.307932 0.895371 856.123224 139088.818896 5.103637 5.100670
min 95603.000000 0.000000 0.000000 -984.000000 -210944.000000 -121.503471 -121.551704
25% 95660.000000 2.000000 1.000000 950.000000 145000.000000 38.482704 -121.446119
50% 95762.000000 3.000000 2.000000 1304.000000 213750.000000 38.625932 -121.375799
75% 95828.000000 4.000000 2.000000 1718.000000 300000.000000 38.695589 -121.294893
max 95864.000000 8.000000 5.000000 5822.000000 884790.000000 39.020808 38.668433
Есть нулевые значения, с которыми мне нужно иметь дело
sac_new.beds.value_counts()
3 413
4 258
2 133
0 108
5 59
1 9
6 3
8 1
Name: beds, dtype: int64
sac_new.baths.value_counts()
2 544
1 179
3 132
0 108
4 19
5 2
Name: baths, dtype: int64
sac_new.sq_ft.value_counts()
0 171
1120 8
795 6
1410 5
1039 5
...
988 1
1656 1
876 1
1659 1
1235 1
Name: sq_ft, Length: 603, dtype: int64
Я думаю, что строки с нулевыми кроватями, ваннами и sq_ft могут быть земельными участками, поэтому, возможно, захотите сохранить , Но строки с нулевым sq_ft, но значения для кроватей и ванн должны быть ошибкой. Я не думаю, что я должен бросить ряды. Я думаю, что я должен добавить значения для sq_ft и основывать их на среднем sq_ft других строк. Таким образом, первый вопрос заключается в том, является ли это умной идеей или нет?
Если это так, то я думаю, что это может быть достигнуто с помощью блока кода, который ищет среднее значение sq_ft каждой комбинации кроватей и ванн. , Итак, сколько рядов имеют 1 кровать и 1 ванну и каково среднее значение общей площади. Сколько есть 1 кровать и 2 ванны ... 2 кровати и 1 ванна, 2 кровати и 2 ванны и др. c. Затем среднее значение для каждого может быть добавлено к нулевому значению sq_ft для соответствующих свойств.
Или было бы быстрее начать с проверки комбинации ванн и кроватей для 63 строк с нулевым квадратным футом, которые имеют значения ванны и кровати, а затем просто вычислить среднее квадратное число этих комбинаций, поскольку их может быть меньше есть в остальной части набора данных.
Но это настолько, насколько мой крошечный мозг может получить меня на этом этапе. Кто-нибудь может помочь? Это мой первый день публикации на stackoverflow, поэтому, если я неправильно форматирую или собираюсь объяснить что-то неправильно, дайте мне знать.