【发布时间】:2019-06-21 00:15:39
【问题描述】:
我想创建一个 24x20 矩阵(8 个部分,每个部分有 60 个单元格或 6x10),以便通过循环(=每个 480 个值) 通过 panda 数据框在数据集中并为每一列绘制它'A','B','C'。
到目前为止,我可以映射创建的 csv 文件并在矩阵中以正确的方式映射值,并在更改缺失数据 (nan & inf) 到0 或类似0.01234 的东西对数据的影响最小,另一方面可以绘制。
以下是我目前的脚本:
import numpy as np
import pandas as pd
import os
import seaborn as sns
import matplotlib.pyplot as plt
def mkdf(ListOf480Numbers):
normalMatrix = np.array_split(ListOf480Numbers,8)
fixMatrix = []
for i in range(8):
lines = np.array_split(normalMatrix[i],6)
newMatrix = [0,0,0,0,0,0]
for j in (1,3,5):
newMatrix[j] = lines[j]
for j in (0,2,4):
newMatrix[j] = lines[j][::-1]
fixMatrix.append(newMatrix)
return fixMatrix
def print_df(fixMatrix):
values = []
for i in range(6):
values.append([*fixMatrix[6][i], *fixMatrix[7][i]])
for i in range(6):
values.append([*fixMatrix[4][i], *fixMatrix[5][i]])
for i in range(6):
values.append([*fixMatrix[2][i], *fixMatrix[3][i]])
for i in range(6):
values.append([*fixMatrix[0][i], *fixMatrix[1][i]])
df = pd.DataFrame(values)
return (df)
dft = pd.read_csv('D:\Feryan.TXT', header=None)
id_set = dft[dft.index % 4 == 0].astype('int').values
A = dft[dft.index % 4 == 1].values
B = dft[dft.index % 4 == 2].values
C = dft[dft.index % 4 == 3].values
data = {'A': A[:,0], 'B': B[:,0], 'C': C[:,0]}
df = pd.DataFrame(data, columns=['A','B','C'], index = id_set[:,0])
nan = np.array(df.isnull())
inf = np.array(df.isnull())
df = df.replace([np.inf, -np.inf], np.nan)
df[np.isinf(df)] = np.nan # convert inf to nan
#dff = df[df.isnull().any(axis=1)] # extract sub data frame
#df = df.fillna(0)
#df = df.replace(0,np.nan)
#next iteration create all plots, change the number of cycles
cycles = int(len(df)/480)
print(cycles)
for cycle in range(3):
count = '{:04}'.format(cycle)
j = cycle * 480
new_value1 = df['A'].iloc[j:j+480]
new_value2 = df['B'].iloc[j:j+480]
new_value3 = df['C'].iloc[j:j+480]
df1 = print_df(mkdf(new_value1))
df2 = print_df(mkdf(new_value2))
df3 = print_df(mkdf(new_value3))
for i in df:
try:
os.mkdir(i)
except:
pass
df1.to_csv(f'{i}/norm{i}{count}.csv', header=None, index=None)
df2.to_csv(f'{i}/norm{i}{count}.csv', header=None, index=None)
df3.to_csv(f'{i}/norm{i}{count}.csv', header=None, index=None)
#plotting all columns ['A','B','C'] in-one-window side by side
fig, ax = plt.subplots(nrows=1, ncols=3 , figsize=(20,10))
plt.subplot(131)
ax = sns.heatmap(df1.isnull(), cbar=False)
ax.axhline(y=6, color='w',linewidth=1.5)
ax.axhline(y=12, color='w',linewidth=1.5)
ax.axhline(y=18, color='w',linewidth=1.5)
ax.axvline(x=10, color='w',linewidth=1.5)
plt.title('Missing-data frequency in A', fontsize=20 , fontweight='bold', color='black', loc='center', style='italic')
plt.axis('off')
plt.subplot(132)
ax = sns.heatmap(df2.isnull(), cbar=False)
ax.axhline(y=6, color='w',linewidth=1.5)
ax.axhline(y=12, color='w',linewidth=1.5)
ax.axhline(y=18, color='w',linewidth=1.5)
ax.axvline(x=10, color='w',linewidth=1.5)
plt.title('Missing-data frequency in B', fontsize=20 , fontweight='bold', color='black', loc='center', style='italic')
plt.axis('off')
plt.subplot(133)
ax = sns.heatmap(df3.isnull(), cbar=False)
ax.axhline(y=6, color='w',linewidth=1.5)
ax.axhline(y=12, color='w',linewidth=1.5)
ax.axhline(y=18, color='w',linewidth=1.5)
ax.axvline(x=10, color='w',linewidth=1.5)
plt.title('Missing-data frequency in C', fontsize=20 , fontweight='bold', color='black', loc='center', style='italic')
plt.axis('off')
plt.suptitle(f'Missing-data visualization', color='yellow', backgroundcolor='black', fontsize=15, fontweight='bold')
plt.subplots_adjust(top=0.92, bottom=0.02, left=0.05, right=0.96, hspace=0.2, wspace=0.2)
fig.text(0.035, 0.93, 'dataset1' , fontsize=19, fontweight='bold', rotation=42., ha='center', va='center',bbox=dict(boxstyle="round",ec=(1., 0.5, 0.5),fc=(1., 0.8, 0.8)))
#fig.tight_layout()
plt.savefig(f'{i}/result{count}.png')
#plt.show()
问题是我不知道如何正确绘制缺失数据出现的频率,以了解它经常发生在哪些部分和单元格中。
Note1 缺失值越多颜色越亮,100% 缺失的数据通过循环呈现为白色颜色和纯黑色颜色表示非缺失值。可能会有一个从黑色 0% 到 100% 白色的条形图。
Note2 我还提供了 3 个周期的数据集示例文本文件,其中包含少量缺失数据,但可以手动修改和增加:dataset
预期结果应如下所示:
【问题讨论】:
-
您没有在代码示例中提供规范化函数,而您其他代码中的函数采用不同数量的参数。
-
您提供的数据样本也不包括在 1、2 或 3 个周期内会丢失的数据点,它只会在 1 个周期内丢失,因此热图不会显示任何变化频率。您能否提供显示您预期结果的数据?
-
@FreyaW 你说得对,我提供了一个正确的数据集,包括缺失的数据并更新了预期结果。在数据集中,我用一些值替换了 nan 和 inf:对于第 0 部分,我用 nan 和 infs 替换了所有 3 个周期的所有值,这意味着该部分应该完全显示为白色 (100%)。 对于第 7 节,我替换了前 2 个周期的缺失数据,这意味着该区域应该被替换为更暗的区域(67% 白色)。 对于第 3 部分,我只在第一个循环中做了同样的操作,这意味着更暗(33% 白色)。 其余部分没有缺失值,因此它们是纯黑色的。
-
对不起,我忘记删除规范化过程的脚本了。
-
您能重新检查您的数据吗?它似乎会在您的脚本中导致一些新错误。如果 id_set = 25 中的条目我会得到很多,但我认为这是不对的,可能某处缺少一行,改变了你的 id 和 A、B、B。你用你提供的数据试过你的脚本了吗?它目前会引发错误。此外,您应该缩进您的代码
new_value1 = ...。否则你分配它们三次,因为它们在你的for i in df:循环中,当它们不需要时,因为定义中没有任何东西依赖于 ì`
标签: python seaborn missing-data find-occurrences cumulative-frequency