首页 文章

Seaborn配对图和NaN值

提问于
浏览 次
4

我试图理解为什么会失败，即使文档说：

dropna：boolean，optional绘制前从数据中删除缺失值 .

from matplotlib import pyplot as plt
import numpy as np
import pandas as pd
import seaborn as sns
sns.__version__
# '0.7.dev'
# generate an example DataFrame
a = pd.DataFrame(data={
    'a': np.random.normal(size=(100,)),
    'b': np.random.lognormal(size=(100,)),
    'c': np.random.exponential(size=(100,))})
sns.pairplot(a) # this works as expected
# snip
b = a.copy()
b.iloc[5,2] = np.nan # replace one value in col 'c' by a NaN
sns.pairplot(b) # this fails with error 
                # "AttributeError: max must be larger than min in range parameter."
                # in histogram(a, bins, range, normed, weights, density)"
> sns.pairplot(b, dropna=True) # same error as above
python pandas matplotlib seaborn

3 回答

  • 0

    当你直接使用数据时，即

    sns.pairplot(b) #Same as sns.pairplot(b, x_vars=['a','b','c'] , y_vars=['a','b','c'],dropna=True)

    您正在绘制DataFrame中的所有列，然后确保没有：所有列中的行都相同 .

    sns.pairplot(b, x_vars=['a','c'] , y_vars=['a','b','c'],dropna=True)

    在这种情况下，它工作正常，但图表中将有一个微小的差异，以删除'NaN值' .

    那么，如果你想用整个数据绘图那么： -

    • 必须使用“fillna（）”替换空值，

    必须删除

    • 或包含'nan values'的整行
    b = b.drop(b.index[5])
sns.pairplot(b)

    pairplot for dropped values

    回复于
  • 2

    我一般都解决了这个问题，但至少它解决了我的问题 .

    尝试绘制直方图时出现问题 . 但是，看起来 kde 对于丢失数据更加健壮 . 因此，尽管 NaN 位于数据帧的中间，但这仍然有效：

    from matplotlib import pyplot as plt
import numpy as np
import pandas as pd
import seaborn as sns
sns.__version__
# '0.7.dev'
# generate an example DataFrame
a = pd.DataFrame(data={
    'a': np.random.normal(size=(100,)),
    'b': np.random.lognormal(size=(100,)),
    'c': np.random.exponential(size=(100,))})
a.iloc[5,2] = np.nan # replace one value in col 'c' by a NaN
sns.pairplot(a, diag_kind='kde')
    回复于
  • 3

    一个坏死的东西 - 但是当我今天破解了这个答案时，我认为可能值得分享 . 我无法在网络上的其他地方找到此解决方案...如果Seaborn ignoreNa关键字对您的数据不起作用，并且您不想删除所有具有任何NaN的行 . 这应该适合你 .

    所有这一切都在Seaborn 0.9中，pandas为0.23.4，假设数据框（df）有j行（样本），有n列（属性） .

    解决了Seaborn无法应对NaN阵列传递给它的问题;特别是当你想确保你保留一行时，因为它有其他有用的数据，是基于使用一个函数拦截成对列，然后传递给 PairGrid 进行绘图 .

    可以将函数传递到网格扇区以执行每个子图的操作 . 一个简单的例子是计算和注释每个图上的列对（子图）的RMSE：

    def rmse(x,y, **kwargs):
    rmse = math.sqrt(skm.mean_squared_error(x, y))

    label = 'RMSE = ' + str(round(rmse, 2))  
    ax = plt.gca()
    ax.annotate(label, xy = (0.1, 0.95), size = 20, xycoords = ax.transAxes)

grid = grid.map_upper(rmse)

    因此，通过编写Seaborn可以作为数据绘图参数的函数，当 grid.map_ 迭代主数据帧时，它会在列对的基础上丢弃NaN，我们可以最小化每个样本（行）的数据丢失 . 这是因为连续的一个NaN不会导致整个行丢失所有子图 . 但只是该特定列对的子图将排除给定的行 .

    以下函数执行成对的NaN drop，返回seaborn的两个系列，然后用matplotlibs散点图在轴上绘图：

    df = [YOUR DF HERE]

def col_nan_scatter(x,y, **kwargs):
    df = pd.DataFrame({'x':x[:],'y':y[:]})
    df = df.dropna()
    x = df['x']
    y = df['y']
    plt.gca()
    plt.scatter(x,y)  

cols = df.columns
grid = sns.PairGrid(data= df, vars = cols, height = 4)
grid = grid.map_upper(col_nan_scatter)

    使用seaborn绘图可以完成相同的操作（例如，只有x值）：

    def col_nan_kde_histo(x, **kwargs):
    df = pd.DataFrame({'x':x[:]})
    df = df.dropna()
    x = df['x']
    plt.gca()
    sns.kdeplot(x)

cols = df.columns
grid = sns.PairGrid(data= df, vars = cols, height = 4)
grid = grid.map_upper(col_nan_scatter)
grid = grid.map_upper(col_nan_kde_histo)
    回复于

相关问题