Otra visualización muy porte de missigno es la matriz de correlación. Da mucha información
Introducción a los valores faltantes
¿Por qué explorar y lidiar con valores faltantes?
Operaciones con valores faltantes
Conociendo datasets para manejo de datos faltantes
Correr una notebook dentro de otra en Deepnote
Extendiendo la API de Pandas
Tabulación de valores faltantes
Visualización de valores faltantes
Manipulación inicial de valores faltantes
Codificación de valores faltantes
Conversión de valores faltantes implícitos en explícitos
Exponer filas faltantes implícitas en explícitas
Tipos de valores faltantes
MCAR, MAR, MNAR en Python
Búsqueda de relaciones de valores faltantes
Matriz de sombras: shadow matrix
Visualización de valores faltantes en una variable
Visualización de valores faltantes en dos variables
Scatterplot con valores faltantes
Correlación de nulidad
Tratamiento de valores faltantes
Eliminación de valores faltantes: pairwise y listwise
Imputación básica de datos
Bonus: visualización múltiple de imputaciones
Cierre de curso
Continúa aprendiendo sobre el manejo de valores faltantes
No tienes acceso a esta clase
¡Continúa aprendiendo! Únete y comienza a potenciar tu carrera
Si ya tienes una cuenta,
Iniciar sesiónAportes 3
Preguntas 0
Ordenar por:
Visualizacion de Datos Faltantes
Las tablas nos permite conocer las variables con su respectivo porcentaje de datos faltantes. Sin embargo para visualizar aparaciones conjuntas de valores faltantes, es decir que en una variable aparezca un valor faltante y en el mismo registro aparezca un valor faltante en otra variable, las tablas no ayudan. Para ello, utilizamos los utsetplot que establecen diferentes conjuntos de datos y su relacion.
- Visualizacion de de los datos faltantes para cada variable mediante un grafico de paleta
# Grafica de páletas
riskfactors_df.missing.missing_variable_plot()
- Visualizacion de datos faltantes en los registros/Filas
riskfactors_df.missing.missing_case_plot()
- Visualizacion de datos faltantes para bloques de 10 registros
(
riskfactors_df
.missing
.missing_variable_span_plot(
variable='weight_lbs',
span_every=10,
rot=0 #rotacion de los labels
)
)
- Visualizacion de datos faltantes para todas las variables del dataFrame
#Visualiacion mediante una funcion de pandas
missingno.bar(df = riskfactors_df)
- Visualizacion de datos faltantes para cada variable mediante una matriz
missingno.matrix(df = riskfactors_df)
- Visualizacion de apariciones conjuntas de varias variables
(
riskfactors_df
.missing
.missing_upsetplot(
variables=['pregnant', 'weight_lbs', 'smoke_stop'], # None para mostrar la relacion de todas las variables
element_size = 30 # tamaño de la visualizacion
)
)
Una breve explicación de la librería missingno
¿Quieres ver más aportes, preguntas y respuestas de la comunidad?
o inicia sesión.