1. Learn
    2. /
  2. Courses
    3. /
  3. Xử lý Dữ liệu Khuyết trong Python
Connected

Exercise

Trực quan hóa dữ liệu thiếu

Trong bài trước, bạn đã tính số lượng giá trị thiếu và tỷ lệ thiếu cho từng cột. Tuy nhiên, thường như vậy là chưa đủ và nên trực quan hóa chúng bằng đồ họa.

Bạn sẽ dùng gói misssingno được xây dựng để trực quan hóa giá trị thiếu. DataFrame airquality và thư viện pandas với bí danh pd đã được nhập sẵn.

Bạn sẽ trực quan hóa mức độ thiếu bằng cách vẽ biểu đồ cột và ma trận nullity của các giá trị thiếu.

Lưu ý: chúng tôi dùng hàm độc quyền display() thay vì plt.show() để bạn xem Đầu ra dễ hơn.

Instructions 1/4

undefined XP
  • 1
    • Vẽ biểu đồ cột của các giá trị thiếu trong airquality.
  • 2
    • Vẽ ma trận nullity của airquality.
  • 3
    • Vẽ ma trận nullity của airquality theo tần suất hàng tháng.
  • 4
    • Cắt lát airquality từ 'May-1976' đến 'Jul-1976' và vẽ ma trận nullity của phần đó.