Matplotlib和Seaborn之计算缺失的数据

计算缺失的数据

应用条形图的一个有趣方式是可视化缺失的数据。我们可以使用 pandas 函数创建一个标签，每列包含缺失值的数量。

df.isna().sum()

image.png

如果我们想可视化这些缺失的值计数呢？我们可以将变量名当做分类变量的级别，并创建条形图。然而，由于这些数据并不整洁，未经处理也未经归纳，因此我们需要使用另一个绘制函数。 Seaborn 的 barplot 函数旨在描述一个定量变量相对于另一个定量变量级别的直观状况，可以用在此处。

na_counts = df.isna().sum()
base_color = sb.color_palette()[0]
sb.barplot(na_counts.index.values, na_counts, color = base_color)

该函数的第一个参数包含 x 值（列名称），第二个参数包含 y 值（计数）。

image.png

一般而言，如果你的数据已经过整理归纳并且你依然想要绘制条形图，那么该函数很有用。但是如果数据尚未归纳，则使用 countplot 函数，这样就不需要进行额外的归纳工作。此外，你将在下节课了解 barplot 的主要作用是什么，届时我们将讨论如何调整单变量图以绘制双变量数据。