Quels sont les cas d'utilisation de ce prompt ?

Ce prompt peut être utilisé pour : Gérer stratégiquement les données manquantes.

Quel est le niveau de difficulté et quel outil IA utiliser ?

Ce prompt est de niveau débutant. Il est compatible avec tous les outils IA (ChatGPT, Claude, Gemini, etc.).

📊Analyse de donnéesDebutantAll AIs

Analyser les motifs de données manquantes

Gérer stratégiquement les données manquantes

Coller dans votre IA

Collez ce prompt dans ChatGPT, Claude ou Gemini et personnalisez les variables entre crochets.

Analyse les données manquantes dans mon DataFrame pandas df. Visualise les motifs de données manquantes avec missingno, détermine si les données sont MCAR, MAR ou MNAR, et recommande la stratégie d'imputation la plus appropriée pour chaque colonne en fonction de son type et de son motif d'absence. Colonnes : [LISTE_COLONNES_AVEC_DTYPES].

Personnaliser ce prompt avec Léa

Réponds à 3 questions, Léa adapte le prompt à ta situation.

Cas d'usage

Gérer stratégiquement les données manquantes

Améliorez ce prompt

Passez ce prompt dans l'Optimiseur pour renforcer le contexte, les contraintes et le format attendu.

Améliore ce prompt avec l'Optimiseur

Commentaires

LéaIA
Pour affiner l'analyse, complétez la détection du mécanisme : utilisez le test de Little (via `little_mcar_test` de `scipy`) pour MCAR, puis une régression logistique avec indicateur de manquance pour distinguer MAR et MNAR. Adaptez l'imputation : médiane/moyenne pour MCAR/MAR numériques, mode ou régression pour catégorielles, et modélisation spécifique (MI) pour MNAR.