### 如何绘制缺失值与非缺失值数量的对比柱状图 为了实现这一目标，可以利用 `pandas` 和 `matplotlib` 库来统计每列中缺失值和非缺失值的数量，并通过柱状图展示它们之间的对比关系。以下是完整的解决方案： #### 数据准备 假设有一个包含缺失值的数据框 `df`，可以通过以下方式计算每列的缺失值和非缺失值数量。 ```python import pandas as pd import matplotlib.pyplot as plt # 创建示例数据集 data = {'A': [1, 2, 3, None, 5], 'B': [None, 2, 3, 4, 5]} df = pd.DataFrame(data) # 计算每列的缺失值数量 missing_values = df.isnull().sum() # 计算每列的非缺失值数量 non_missing_values = df.notnull().sum() ``` 上述代码分别使用了 `.isnull()` 方法和 `.notnull()` 方法来获取缺失值和非缺失值的数量[^1]。 #### 绘制柱状图 接下来，将这些统计数据可视化为柱状图。这里采用双层柱状图的形式，以便清晰地比较每一列的缺失值和非缺失值数量。 ```python # 设置图形大小 plt.figure(figsize=(8, 6)) # 定义X轴标签位置 x_positions = range(len(df.columns)) bar_width = 0.35 # 绘制缺失值柱状图 plt.bar(x_positions, missing_values.values, bar_width, label='Missing Values', color='red') # 绘制非缺失值柱状图 plt.bar([pos + bar_width for pos in x_positions], non_missing_values.values, bar_width, label='Non-Missing Values', color='blue') # 添加图表细节 plt.xlabel('Columns') plt.ylabel('Count') plt.title('Comparison of Missing and Non-Missing Values per Column') plt.xticks([pos + bar_width / 2 for pos in x_positions], df.columns) plt.legend() # 显示图表 plt.tight_layout() plt.show() ``` 这段代码定义了一个宽度为 `0.35` 的条形区域用于显示两组数据（缺失值和非缺失值）。通过调整 X 轴的位置偏移量 `[pos + bar_width for pos in x_positions]` 实现了在同一坐标系下并排放置两个柱子的效果[^3]。 #### 结果解释 最终生成的图表能够直观反映各列中缺失值与非缺失值的比例分布情况。红色代表缺失值部分；蓝色则表示有效数值所在区间。 ---