期刊配图：一区SCI常用数据缺失率展示图可视化 - 文章 - 开发者社区

picture.image

✨ 欢迎关注Python机器学习AI ✨

本节介绍：基于参考文献对于缺失值可视化展示进行相关复现

。数据采用模拟数据，作者根据个人对机器学习的理解进行代码实现与图表输出，细节并不保证与原文一定相同，仅供参考。

详细数据和代码将在稍后上传至交流群，付费成员可在交流群中获取下载。需要的朋友可关注公众文末提供的购买方式。

购买前请咨询，避免不必要的问题。

✨ 论文信息 ✨

picture.image

✨

论文原图

✨

picture.image

文献中使用了帕雷托图（Pareto Chart）来展示数据集中各变量的缺失值频率，并通过不同颜色的标记来突出缺失数据的比例，从而对数据清理的优先级进行有效的可视化展示

帕雷托图：这是一种结合了条形图和累计线图的图表形式。条形图展示了每个变量缺失值的频率，而累计线则展示了所有变量的累积缺失值百分比。帕雷托图通常用来识别最重要的问题，突出最需要关注的数据项

颜色编码：图表中使用了不同颜色的条形来标示缺失值的比例，方便快速识别哪些变量的缺失值比例较高。图表中不同的颜色（如黄色、橙色、红色等）标示了缺失值比例的不同区间，帮助判断是否需要进一步清理

累计线：累计线逐渐上升，展示了各个变量缺失值的累积百分比。这有助于理解哪些变量的缺失情况最为严重，并指导数据清理的优先级。例如，图中的“

Chair rise”变量和“

Alcohol intake”变量的缺失值频率较高，可能是清理工作的重点

✨ 模拟实现 ✨

picture.image

接下来，将使用Python 代码复现这一缺失值展示方法，尽管展示缺失值的方式不止这一种

✨ 代码实现 ✨


          
import pandas as pd
          
import numpy as np
          
import matplotlib.pyplot as plt
          
plt.rcParams['font.family'] = 'Times New Roman'
          
plt.rcParams['axes.unicode_minus'] = False
          
df = pd.read_csv('2025-3-27公众号Python机器学习AI.csv', index_col=0)
          
from clearn.data_preprocessing import *
          

          
missing_values_heatmap(df, output_path=None, savefig_kws=None)
          
plt.savefig("1.pdf", format='pdf', bbox_inches='tight', dpi=1200)

picture.image

生成一个数据缺失值的热力图可视化展示，但它并未展示数据实际缺失的占比信息，因此我们接下来将使用帕雷托图来补充这一分析

picture.image

相对于前面的可视化效果，这张缺失值的帕雷托图展示了更多丰富的信息。它不仅显示了每个变量缺失值的频率，还通过颜色标记了缺失值占比的不同等级（例如，“Good”、“OK”、“NotBad”、“Bad”和“Remove”），使得数据的缺失情况一目了然。通过这种方式，分析者能够快速识别哪些变量的缺失值较多，便于后续进行数据清理和处理。虽然这里使用了 Python 自定义可视化，但类似的可视化功能在 R 包 dlookr 中也有实现，感兴趣的读者可以自行研究

✨ 该文章案例 ✨

picture.image

在上传至交流群的文件中，像往期文章一样，将对案例进行逐步分析，确保读者能够达到最佳的学习效果。内容都经过详细解读，帮助读者深入理解模型的实现过程和数据分析步骤，从而最大化学习成果。

同时，结合提供的免费AI聚合网站进行学习，能够让读者在理论与实践之间实现融会贯通，更加全面地掌握核心概念。

✨ 购买介绍 ✨

本节介绍到此结束，有需要学习数据分析和Python机器学习相关的朋友欢迎到淘宝店铺：Python机器学习AI，或添加作者微信deep_ML联系，购买作者的公众号合集。截至目前为止，合集已包含200多篇文章，购买合集的同时，还将提供免费稳定的AI大模型使用，包括但不限于ChatGPT、Deepseek、Claude等。

更新的内容包含数据、代码、注释和参考资料。

作者仅分享案例项目，不提供额外的答疑服务。项目中将提供详细的代码注释和丰富的解读，帮助您理解每个步骤

。

购买前请咨询，避免不必要的问题。

✨ 群友反馈 ✨

picture.image