視覺化插補結果

分析插補結果並選擇最佳方法，通常需要大量試驗。重要的是要確保在插補的同時，資料不會產生偏差。在前兩個練習中，你使用平均值、中位數、眾數，以及常數填補建立了 4 種不同的插補。

在這個練習中，你要為先前插補後的 DataFrame 繪製散佈圖。為了達成這點，你會建立一個字典，將各個 DataFrame 以其標題作為鍵來對應。

diabetes_mean、diabetes_median、diabetes_mode 和 diabetes_constant 這些 DataFrame 已為你載入。

本練習屬於課程

在 Python 中處理遺漏值

檢視課程

練習說明

建立 4 個子圖：配置為 2 列、2 欄的繪圖版面。
建立字典 imputations，將每個鍵對應到其相符的 DataFrame。
以迴圈同時走訪 axes 與 imputations，並繪出 imputations 中每個 DataFrame。
將顏色設為 nullity，並將每個子圖的標題設為相對應的插補名稱。

動手互動練習

試著完成這個範例程式碼，體驗一下這個練習。

# Set nrows and ncols to 2
fig, axes = plt.subplots(nrows=___, ncols=___, figsize=(10, 10))
nullity = diabetes.Serum_Insulin.isnull()+diabetes.Glucose.isnull()

# Create a dictionary of imputations
imputations = {'Mean Imputation': ___, 'Median Imputation': ___, 
               'Most Frequent Imputation': ___, 'Constant Imputation': ___}

# Loop over flattened axes and imputations
for ax, df_key in zip(___.___(), ___):
    # Select and also set the title for a DataFrame
    imputations[___].plot(x='Serum_Insulin', y='Glucose', kind='scatter', 
                          alpha=0.5, c=___, cmap='rainbow', ax=ax, 
                          colorbar=False, title=___)
plt.show()

編輯並執行程式碼