分析缺失量

在 Python 中处理缺失数据

Suraj Donthi

Deep Learning & Computer Vision Consultant

加载 Air Quality 数据集

Air Quality 数据集

包含 Ozone、Solar、Temperature 和 Wind 的传感器记录

df_air = pd.read_csv('air-quality.csv', 
                            parse_dates=['Date'], 
                            index_col='Date')

df_air.head()

              Ozone  Solar  Wind  Temp
Date                                
1976-05-01   41.0  190.0   7.4    67
1976-05-02   36.0  118.0   8.0    72
1976-05-03   12.0  149.0  12.6    74
1976-05-04   18.0  313.0  11.5    62
1976-05-05    NaN    NaN  14.3    56

缺失值 DataFrame

在 DataFrame 上使用 .isnull() 或 .isna() 方法

airquality_nullity = airquality.isnull()
airquality_nullity.head()

            Ozone  Solar   Wind   Temp
Date                                  
1976-05-01  False  False  False  False
1976-05-02  False  False  False  False
1976-05-03  False  False  False  False
1976-05-04  False  False  False  False
1976-05-05   True   True  False  False

缺失值总数

airquality_nullity.sum()

Ozone    37
Solar     7
Wind      0
Temp      0
dtype: int64

缺失百分比

airquality_nullity.mean() * 100

Ozone    24.183007
Solar     4.575163
Wind      0.000000
Temp      0.000000
dtype: float64

缺失柱状图

Missingno 包

用于缺失值的图形化分析

import missingno as msno

msno.bar(airquality)

空气质量数据集的缺失柱状图

缺失矩阵

msno.matrix(airquality)

空气质量数据集的缺失矩阵

缺失矩阵

msno.matrix(airquality)

空气质量数据集的缺失矩阵

缺失矩阵

msno.matrix(airquality)

空气质量数据集的缺失矩阵

缺失矩阵

msno.matrix(airquality)

空气质量数据集的缺失矩阵

时间序列的缺失矩阵

msno.matrix(airquality, freq='M')

空气质量数据集的按月缺失矩阵

时间序列的缺失矩阵

msno.matrix(airquality, freq='M')

空气质量数据集的按月缺失矩阵

微调矩阵

msno.matrix(airquality.loc['May-1976': 'Jul-1976'], freq='M')

空气质量数据集的按月缺失矩阵

总结

本课我们学会了分析

缺失量的数值
缺失量的可视化
缺失百分比
常规数据集的缺失矩阵
时间序列数据集的缺失矩阵

Passons à la pratique !

在 Python 中处理缺失数据