通过 Pandas GroupBy 在 Class 的特征中可视化 NaN 值

Question

善意的事业和帮助社区我解决了我在工作中遇到的第一个问题，你可以在这里看到：

在我使用它之后，我想可视化特征中 classes 和 nan-Values 的分布。因此，我将其绘制在条形图中。加上一些 classes 就非常方便了。

问题是，我有大约 120 个不同的 classes，总共有 50000 个数据对象 - 这些数据无法读取图表。

因此我想拆分可视化。

对于每个 class 应该有一个子图显示每个特征的 nan 值的总和。

数据：

CLASS FEATURE1 FEATURE2 FEATURE3
  X      1        1        2
  B      0        0        0
  C      2        3        1

实际剧情：

预期地块：

到目前为止，我的方法都没有奏效。

我试图通过 df.groupBy('Class').plot(kind="barh", subplots=True) 解决它 - 完全破坏布局并根据功能而不是 class 绘制。
我试过但如果我将 groupBy-df 写入变量 'grouped' 我可以以完美的格式打印它并包含所有信息，但我无法以它的方式访问它在解决方案中完成。我总是收到错误消息：'string indices must be integers'

我的做法：

grouped = df.groupby('Class') 
for name, group in grouped: 
    group.plot.bar()

编辑 - 更多信息

我使用的数据是完全分类的——没有数值——我想在我的数据集的 classes（标签）的不同特征中显示 nan 值的数量。

Answer 1

使用seaborn

的解决方案

import seaborn as sns
ndf = pd.melt(df, id_vars="CLASS", var_name="feature", value_name="val")
sns.catplot("feature", "val", col="CLASS", data=ndf, kind="bar", col_wrap=1)
plt.show()

Answer 2

分组是要走的路，只需设置标签

for name, grp in df3.groupby('CLASS'):
    ax = grp.plot.bar()
    ax.set_xticks([])
    ax.set_xlabel(name)

Answer 3

通过@meW 提供的解决方案，我能够实现接近我的目标的结果。

我必须执行两个步骤才能实际使用他的解决方案。

通过 df = pd.DataFrame(df.groupBy('Class').count().rsub(df.groupby('Class').size(), axis =0)
通过 groupby 查询，Class-Column 被转换为索引，所以我不得不通过 grouped['class'] = grouped.index

此解决方案引发的两个问题：是否可以将刻度线与不同数量的 nan 相匹配。因为类在特征中只有 5-10 个 nan 值，而类具有超过 1000 个 nan 值。（见图片）

第二个问题 - 特征名称仅显示在最后一个图中 - 有没有办法将它们添加到所有图的所有 x 轴

通过 Pandas GroupBy 在 Class 的特征中可视化 NaN 值

Visualize NaN-Values in Features of a Class via Pandas GroupBy

python

plot

pandas

subplot

pandas-groupby