Question

我试图理解为什么会失败，即使文档说：

dropna：布尔值，可选在绘图之前删除数据中的缺失值。

from matplotlib import pyplot as plt
import numpy as np
import pandas as pd
import seaborn as sns
sns.__version__
# '0.7.dev'
# generate an example DataFrame
a = pd.DataFrame(data={
    'a': np.random.normal(size=(100,)),
    'b': np.random.lognormal(size=(100,)),
    'c': np.random.exponential(size=(100,))})
sns.pairplot(a) # this works as expected
# snip
b = a.copy()
b.iloc[5,2] = np.nan # replace one value in col 'c' by a NaN
sns.pairplot(b) # this fails with error 
                # "AttributeError: max must be larger than min in range parameter."
                # in histogram(a, bins, range, normed, weights, density)"
> sns.pairplot(b, dropna=True) # same error as above

Answer 1

直接使用数据时，即

sns.pairplot(b) #Same as sns.pairplot(b, x_vars=['a','b','c'] , y_vars=['a','b','c'],dropna=True)

您正在绘制DataFrame中的所有列，然后确保所有列中的行数相同。

sns.pairplot(b, x_vars=['a','c'] , y_vars=['a','b','c'],dropna=True)

在这种情况下，它可以正常工作，但图表中会有一点微小差异，用于删除“NaN”值。

所以，如果你想用整个数据进行绘图，那么： -

必须使用＆＃34; fillna（）＆＃34;，
或包含＆＃39; nan值＆＃39;的整行。必须放弃
```
b = b.drop(b.index[5])
sns.pairplot(b)
```

Answer 2

我会回答我自己的问题，即使它并没有完全解决问题，但至少它解决了我的问题。

尝试绘制直方图时出现问题。但是，看起来Tuple对于丢失数据更加健壮。因此，尽管数据框中间有kde，但这仍然有效：

NaN

Answer 3

某种坏事-但当我今天破解这个答案时，我认为值得分享。我无法在网络上的其他地方找到此解决方案...如果Seaborn ignoreNa关键字不适用于您的数据，并且您不想删除所有具有NaN的行。这应该为您工作。

所有这些都是在Seaborn 0.9中以pandas 0.23.4进行的，假设数据帧（df）具有j行（样本）有n列（属性）。

Seaborn无法应对传递给它的NaN阵列的问题的解决方案；尤其是当您要确保保留行，因为其中包含有用的其他数据时，该行基于使用函数在将成对的列传递给PairGrid之前对其进行拦截。

可以将功能传递到网格扇区以对每个子图执行操作。一个简单的例子是在每个图上计算一个列对（子图）的RMSE并注释：

def rmse(x,y, **kwargs):
    rmse = math.sqrt(skm.mean_squared_error(x, y))

    label = 'RMSE = ' + str(round(rmse, 2))  
    ax = plt.gca()
    ax.annotate(label, xy = (0.1, 0.95), size = 20, xycoords = ax.transAxes)

grid = grid.map_upper(rmse)

因此，通过编写一个Seaborn可以用作数据绘制参数的函数，该函数在grid.map_遍历主数据帧时在列对的基础上删除NaN，我们可以使每个样本（行）的数据丢失减至最少。这是因为连续一个NaN不会导致所有子图丢失整个行。但是，只是该特定列对的子图会排除给定的行。

以下函数执行成对的NaN下降，返回seaborn然后用matplotlibs散点图在轴上绘制的两个系列：

df = [YOUR DF HERE]

def col_nan_scatter(x,y, **kwargs):
    df = pd.DataFrame({'x':x[:],'y':y[:]})
    df = df.dropna()
    x = df['x']
    y = df['y']
    plt.gca()
    plt.scatter(x,y)  

cols = df.columns
grid = sns.PairGrid(data= df, vars = cols, height = 4)
grid = grid.map_upper(col_nan_scatter)

使用海洋绘图（例如x值）也可以做到这一点：

def col_nan_kde_histo(x, **kwargs):
    df = pd.DataFrame({'x':x[:]})
    df = df.dropna()
    x = df['x']
    plt.gca()
    sns.kdeplot(x)

cols = df.columns
grid = sns.PairGrid(data= df, vars = cols, height = 4)
grid = grid.map_upper(col_nan_scatter)
grid = grid.map_upper(col_nan_kde_histo)

Seaborn配对图和NaN值

3 个答案: