可视化插补结果

分析不同的插补方案并选择最佳方案，需要大量试验。插补时务必要确保数据不会产生偏差。在前两个练习中，您使用均值、中位数、众数和常数填充，共创建了 4 种不同的插补结果。

本练习中，您将为之前插补得到的各个 DataFrame 绘制散点图。为此，您会创建一个字典，将各个 DataFrame 与对应的标题作为键进行映射。

已为您加载 DataFrame：diabetes_mean、diabetes_median、diabetes_mode 和 diabetes_constant。

本练习是课程的一部分

在 Python 中处理缺失数据

查看课程

练习说明

创建 2 行 2 列的图，共 4 个子图。
通过将每个键与对应的 DataFrame 配对，创建字典 imputations。
同时遍历 axes 和 imputations，并绘制 imputations 中的每个 DataFrame。
将颜色设置为 nullity，并将每个子图的标题设为对应插补方法的名称。

交互式实操练习

通过完成这段示例代码来试试这个练习。

# 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()

编辑并运行代码