Les valeurs manquantes : identifier et comprendre

Bloc 5 — Nettoyage des données

Objectif

définir rigoureusement la valeur manquante, la distinguer de la valeur sentinelle et du champ non applicable, maîtriser la typologie de Rubin (MCAR, MAR, MNAR) et ses conséquences sur la validité des traitements, diagnostiquer le mécanisme d'absence et produire un audit complet.

Durée estimée

45 minutes

Prérequis

chapitres 005, 013, 014 et 015

Quiz associés

018.1-quiz-nature-de-l-absence.md à 018.7-quiz-audit-python.md

1. Ce qu'est une valeur manquante

Un jeu de données tabulaire suppose implicitement que chaque cellule contient une valeur. Les données réelles contredisent cette hypothèse, et la plupart des estimateurs de scikit-learn refusent une matrice contenant NaN : le praticien est contraint d'agir. L'erreur constante consiste à agir avant d'avoir compris — le traitement (chapitre 019) n'est légitime qu'après identification de la nature et du mécanisme de l'absence.