Seaborn：避免绘制缺失值（线图）

Question

我想要一个线图来表明是否缺少一些数据，例如：

但是，下面的代码填补了缺失的数据，创建了一个潜在的误导性图表：

import pandas as pd
import seaborn as sns
from matplotlib import pyplot as plt

# load csv
df=pd.read_csv('data.csv')
# plot a graph
g = sns.lineplot(x="Date", y="Data", data=df)
plt.show()

我应该在代码中更改什么以避免填充缺失值？

csv如下所示：

Date,Data
01-12-03,100
01-01-04,
01-02-04,
01-03-04,
01-04-04,
01-05-04,39
01-06-04,
01-07-04,
01-08-04,53
01-09-04,
01-10-04,
01-11-04,
01-12-04,
01-01-05,28
   ...
01-04-18,14
01-05-18,12
01-06-18,8
01-07-18,8

链接到.csv：https://drive.google.com/file/d/1s-RJfAFYD90m4SrFDzIba7EQP4C-J0yO/view?usp=sharing

Answer 1

import numpy as np
import pandas as pd
from matplotlib import pyplot as plt
import seaborn as sns

# Make example data
s = """2018-01-01
2018-01-02,100
2018-01-03,105
2018-01-04
2018-01-05,95
2018-01-06,90
2018-01-07,80
2018-01-08
2018-01-09"""
df = pd.DataFrame([row.split(",") for row in s.split("\n")], columns=["Date", "Data"])
df = df.replace("", np.nan)
df["Date"] = pd.to_datetime(df["Date"])
df["Data"] = df["Data"].astype(float)

三种选择：

1）使用pandas或matplotlib。

2）如果你需要seaborn：不是它的用途，但对于像你这样的常规日期，你可以使用开箱即用的pointplot。

fig, ax = plt.subplots(figsize=(10, 5))

plot = sns.pointplot(
    ax=ax,
    data=df, x="Date", y="Data"
)

ax.set_xticklabels([])

plt.show()

3）如果你需要seaborn并且你需要lineplot：我已经查看了源代码，看起来lineplot在绘图之前会从DataFrame中删除nans。所以不幸的是，不可能正确地做到这一点。你可以使用一些高级hackery并使用hue参数将单独的部分放在不同的桶中。我们使用nans的出现对这些部分进行编号。

fig, ax = plt.subplots(figsize=(10, 5))

plot = sns.lineplot(
    ax=ax,
    data=df, x="Date", y="Data",
    hue=df["Data"].isna().cumsum(), palette=["black"]*sum(df["Data"].isna()), legend=False, markers=True
)
ax.set_xticklabels([])

plt.show()

不幸的是，markers参数似乎目前已被打破，所以如果你想查看任何一方都有nans的日期，你需要修复它。

Answer 2

根据Denziloe回答：

有三种选择：

1）使用pandas或matplotlib。

2）如果你需要seaborn：不是它的用途，但对于像abovepointplot这样的常规日期可以使用开箱即用。

fig, ax = plt.subplots(figsize=(10, 5))

plot = sns.pointplot(
    ax=ax,
    data=df, x="Date", y="Data"
)

ax.set_xticklabels([])

plt.show()

基于问题数据构建的图表如下所示：

优点：

• 易于实施
• 数据中由None包围的异常值将很容易在图表上注意到

缺点：

• 生成这样的图需要很长时间（与lineplot相比）
• 当有很多点时，很难阅读这些图形

3）如果您需要seaborn并且需要lineplot：hue参数可用于将单独的部分放在单独的桶中。我们使用nans的出现对这些部分进行编号。

fig, ax = plt.subplots(figsize=(10, 5))

plot = sns.lineplot(
    ax=ax
    , data=df, x="Date", y="Data"
    , hue=df["Data"].isna().cumsum()
    , palette=["blue"]*sum(df["Data"].isna())
    , legend=False, markers=True
)

ax.set_xticklabels([])

plt.show()

优点：

• 线图
• 易于阅读
• 生成比点图更快

缺点：

• 数据中由None包围的异常值将不会在图表上绘制

该图表如下所示：