Hej tamo! Kao dobavljač Nan proizvoda često se pitam o tome kako vizualizirati podatke sa "nan" vrijednostima. 'Nan', koji stoji za "nije broj", može biti stvarna bol u vratu kada pokušavate imati smisla za svoje podatke. Ali ne brinite, imam neke savjete i trikove koji će vam pomoći da se nosite sa ovim peske i stvorite fenomenalne vizualizacije.
Prvo, razgovarajmo o tome zašto se na prvom mjestu pojavi "Nan". Mogu se pojaviti za gomilu razloga. Možda je došlo do pogreške tokom prikupljanja podataka, poput neispravnosti senzora ili unos koji nedostaje u proračunskoj tablici. Ili možda podaci jednostavno ne postoje za određeno zapažanje. Na primjer, ako prikupljate podatke o visinama ljudi, a neki ljudi nisu željeli podijeliti te informacije, te bi vrijednosti bile "nan".
Sada, kada je u pitanju vizualizacija podataka sa "Nan" vrijednostima, prvi korak je da shvatimo šta da radim sa njima. Postoji nekoliko uobičajenih pristupa.
Jedna opcija je jednostavno ukloniti redove ili stupce koji sadrže vrijednosti "Nan". Ovo može biti brzo i jednostavno popravljanje, posebno ako imate veliki skup podataka, a broj "nan" vrijednosti je relativno mali. Međutim, morate biti oprezni sa ovom metodom. Uklanjanje podataka mogu se iskriviti vašim rezultatima i dati vam lažnu sliku onoga što se zapravo događa. Na primjer, ako analizirate prodajne podatke i uklonite sve retke s vrijednostima "Nan", možda ćete propustiti na važnim trendovima ili obrascima koji se odnose na one unose koji nedostaju.
Drugi pristup je popuniti "nan" vrijednosti sa nečim drugim. Mogli biste koristiti srednju, srednju ili način dostupnih podataka. Na primjer, ako gledate skup podataka i postoji nekoliko 'nan' vrijednosti, možete izračunati prosječnu temperaturu ne-"nan" vrijednosti i koristiti to za popunjavanje praznina. Ovo može pomoći izglađivanju vaših podataka i olakšati vizualizaciju. Ali opet, to nije savršeno rješenje. Upotreba sažetih statistika za popunjavanje "Nan" vrijednosti mogu izobličiti i vaše podatke, posebno ako podaci imaju puno varijabilnosti.
Mogli biste koristiti i naprednije tehnike poput interpolacije. Interpolacija uključuje procjenu vrijednosti nestalih na temelju vrijednosti okolnih podataka. Na primjer, ako imate podatkovni skup podataka - serijski serija sa "Nan" vrijednostima, možete koristiti linearnu interpolaciju da biste procijenili ono što bi vrijednosti trebale biti u tim nedostacima. Ovo može biti precizniji način suočavanja sa "nan" vrijednostima, ali može biti i složenije i vrijeme - konzumiranje.
Nakon što ste odlučili što učiniti sa "nan" vrijednostima, vrijeme je da započnete vizualizaciju podataka. Postoje tonovi alata koji vam mogu pomoći da stvorite velike vizualizacije. Neki popularni uključuju knjižnice Python poput Matplotliba i Seaborn, kao i R paketi poput ggplot2.
Recimo da s vremenom imate prodaj podataka o proizvodu, a postoji nekoliko 'nan' vrijednosti. Odlučili ste ispuniti vrijednosti "nan" sa iznosima srednje prodaje. Sada želite stvoriti linijsku kartu za prikaz trenda prodaje. Sa matplotlibom u Pythonu možete učiniti nešto takvo:
Uvezi MATplotlib.pyplot kao PLT uvoz pandas kao PD # Pretpostavimo "podatke" je vaš Dataframe sa podacima o prodaji = PD.READ_Data.csv ') # "prodaja"] = podaci (podaci [' prodaja '] (podaci [' Datum ']), podaci [' prodaja ']) plt.xlabel ('Datum') plt.ylabel ('prodaja') plt.title ('Prodaja proizvoda s vremenom') plt.show ()Ovaj kôd glasi u vašim prodajnim podacima iz CSV datoteke, ispunjava "Nan" vrijednosti pomoću srednjeg iznosa prodaje, a zatim stvara jednostavnu liniju za prikaz trend prodaje s vremenom.
Ako ste zainteresirani za složenije vizualizacije, poput rasipanih parcela ili barskih ljestvica, ovi alati mogu se nositi s tim. Na primjer, ako imate podatke o skupu podataka i ocjene kupaca i ocjene kupaca, a postoje neke 'nan' vrijednosti u koloni ocjena, mogli biste stvoriti rasipanje parcele da biste vidjeli postoji li veza između prodaje i ocjena.
Sada želim spomenuti neke od proizvoda koje nudimo u našoj kompaniji. Imamo stvarno cool Xpon Onu uređaje. PogledajteXpon Onu 4ge WiFi5 AC1200. To je sjajan uređaj za visoki - brzi pristup internetu s ugrađenim mogućnostima u WI - fi 5. A ako vam treba nešto sa više funkcija, pogledajteXON UN 4GE CATV LOTS WiFi5 AC1200. Ovaj ne samo da pruža pristup internetu, već i podržava CATV i saksije veze. Za najnovije u WI - FI tehnologiji,Taj tut 4ge VoIP pećin CATI6je put. Nudi visoku brzinu Wi - Fi 6 Povezivanje zajedno sa podrškom za VoIP i CATV.
Ako ste na tržištu za ove vrste proizvoda ili imate bilo kakva pitanja o vizualizaciji podataka sa vrijednostima "Nan", ne ustručavajte se da se obratite. Ovdje smo da vam pomognemo da iskoristite svoje podatke i dobili prave proizvode za vaše potrebe. Bez obzira da li ste mali vlasnik tvrtke koji traže poboljšanje vaše internetske infrastrukture ili analitičara podataka koji pokušava imati smisla za neuredne podatke, imamo rješenja za vas. Dakle, započnimo razgovor i vidimo kako možemo raditi zajedno!
Reference
- Vanderplas, J. (2016). Priručnik za nauku o podacima Python: Bitni alati za rad sa podacima. O'Reilly Media.
- Wickham, H. (2016). GGPlot2: Elegantna grafika za analizu podataka. Springer.
