快速可视化数据集中缺失值的好工具是专门的库-missuno。我们将在下面演示它。

1安装

pip install missingno

2查看缺失值

for col in train_events.columns:
    percent_nan = train_events[col].isnull().mean() * 100
    msg = f"column: {col:>10}\t Percent of NaN value: {percent_nan:.2f}%"
    print(f"\n---> {msg}")
    ```


---> column:  series_id	 Percent of NaN value: 0.00%

---> column:      night	 Percent of NaN value: 0.00%

---> column:      event	 Percent of NaN value: 0.00%

---> column:       step	 Percent of NaN value: 33.93%

---> column:  timestamp	 Percent of NaN value: 33.93%

---> column:       year	 Percent of NaN value: 33.93%

---> column:      month	 Percent of NaN value: 33.93%

---> column:        day	 Percent of NaN value: 33.93%

---> column:       hour	 Percent of NaN value: 33.93%

# 3使用方法
1. bar方法
```py
import missingno as msno
msno.bar(train, color=(0.4,0.4,0.6))

matrix（）

msno.matrix(train_events, color=(0.3,0.3,0.5))

根据图表中白线的数量，我们可以推断数据集中的缺失值情况。观察到白线越多，说明数据集中的缺失值越多。图表左侧的纵坐标显示了样本数量的起始和结束值，即数据集包含了14508条数据。右下角的数字3表示数据集中有3列没有缺失值，而右侧的数字9表示数据集总共有9列数据。

heatmap()

缺失变量的相关关系
相关热missingno图衡量无效相关性：一个变量的存在或不存在对另一个变量的存在的影响程度：

msno.heatmap(train_events)

dendrogram():

msno.train_events(train_events)

树状图通过一种分层聚类算法（由Scipy提供）可以更全面地揭示变量之间的关联关系，进一步展示出比相关热图中可见的成对趋势更深入的趋势。

在树状图的构建过程中，变量根据它们之间的无效相关性（以二进制距离衡量）被彼此分类。在每一步的分割中，选择能够最小化剩余簇之间距离的组合方式。当变量集合越单调时，它们的总距离越接近于零，同时它们的平均距离（y轴）也越接近于零。

官方文档

Machine learning 中Missing Values可视化--missingo

1安装

2查看缺失值