Hacktoberfest 2026: le issue che i maintainer hanno segnato per ottobre, aperte e adatte ai principianti. Sfoglia le issue Hacktoberfest

get_missing_summary() helper method for OpenML datasets

Aperta
#1,443 0 commenti 0 reazioni 0 assegnatari Vedi su GitHub

Nessuno ha ancora preso questa issue.

Valutazione

Difficoltà
2/5
Tempo stimato
1-3 ore
Idoneità per principianti
48/100
Tipo di issue
Funzionalità
Chiarezza
Specificata chiaramente
Stato di attività
Ferma
Stack tecnologico
pandas, python
Ambito
data, machine-learning

Direzione di ricerca

Start at the OpenMLDataset class and inspect its existing get_data() entry point. Implement the requested missing-value summary using the dataset's returned dataframe, including total and per-column counts, then verify that the result matches the example structure and values for a dataset with missing data.

Scritto dal modello di indicizzazione a partire dal testo della issue.

Descrizione

Hi OpenML team,

I’d like to propose a small usability enhancement to improve the dataset exploration workflow in openml-python.

Feature Request

helper method:

dataset.get_missing_summary()

  • that returns a simple summary of missing values for the dataset.
Motivation

Many users load a dataset and immediately need to check:

  • how many missing values exist in total
  • which columns contain missing values
  • basic column-level counts

Currently, users must manually compute this after calling dataset.get_data().
A built-in helper would reduce repetitive code and improve the dataset exploration experience, especially for new users.

Proposed Behavior
dataset = openml.datasets.get_dataset(dataset_id)
df, *_ = dataset.get_data()

dataset.get_missing_summary()

Example output:

{
    "n_missing_total": 235,
    "missing_per_column": {
        "age": 10,
        "income": 20,
        "zipcode": 205
    }
}
Implementation Idea
  • Implement this as a method inside the OpenMLDataset class.
  • Internally, the method would:
  1. Call .get_data()
  2. Compute missing summary using pandas (df.isna().sum())
  3. Return a dictionary with overall and per-column counts

No changes needed to the core API; this is an isolated helper.

Benefits

Improves ease of use

  • No backward compatibility impact
  • Lightweight feature (easy to maintain)
  • Helps users performing initial dataset checks

Happy to open a PR implementing this.

Lingua principale
Python
Stelle
361
Fork
296
Nessuna PR unita negli ultimi 30g

Guida per i contributori

Apri la guida per i contributori

Come iniziare

  1. Leggi tutta la issue e poi la guida ai contributi del progetto.
  2. Commenta sulla issue per dire che te ne occupi tu — evita che due persone facciano lo stesso lavoro.
  3. Fai un fork del repository e lavora su un branch.
  4. Apri una pull request che faccia riferimento al numero della issue.

Altre issue di openml/openml-python

Tutte le issue di openml/openml-python

Issue simili

Altre issue su Python

Ricevi le nuove issue nella tua casella

Un breve riepilogo di issue GitHub adatte ai principianti.