比较密度图
您之前执行的不同插补方式，可以通过各自的密度图进行可视化比较。通过这些图，您可以更容易地分析并找出与原始数据集分布最相近的数据集。您也能看到某些插补如何产生偏差。
在本练习中，您将比较之前为 diabetes 创建的各个插补 DataFrame 的密度图。
diabetes_cc、diabetes_mean_imputed、diabetes_knn_imputed 和 diabetes_mice_imputed 这几个 DataFrame 已为您加载完毕，可直接使用。同时已导入 matplotlib.pyplot 并命名为 plt。
本练习是课程的一部分
在 Python 中处理缺失数据
练习说明
- 为每个 DataFrame 的
'Skin_Fold'列绘制密度图。 - 使用
labels列表设置图例标签。 - 将 x 轴标签设置为
'Skin Fold'。
交互式实操练习
通过完成这段示例代码来试试这个练习。
# Plot graphs of imputed DataFrames and the complete case
diabetes_cc['___'].___(___='___', c='red', linewidth=3)
diabetes_mean_imputed['___'].plot(___='___')
diabetes_knn_imputed['___'].plot(___='___')
diabetes_mice_imputed['___'].plot(___='___')
# Create labels for the four DataFrames
labels = ['Baseline (Complete Case)', 'Mean Imputation', 'KNN Imputation', 'MICE Imputation']
plt.legend(___)
# Set the x-label as Skin Fold
plt.xlabel('___')
plt.show()