Porovnání grafů hustoty
Různé imputace, které jsi dříve provedl/a, lze graficky porovnat pomocí grafů hustoty. Z těchto grafů snadno zjistíš, která datová sada má nejpodobnější rozdělení v porovnání s původním datasetem. Zároveň uvidíš, jak může imputace vnést zkreslení.
V tomto cvičení porovnáš grafy hustoty imputovaných DataFramů pro diabetes, které jsi vytvořil/a dříve.
DataFramy diabetes_cc, diabetes_mean_imputed, diabetes_knn_imputed a diabetes_mice_imputed jsou již načteny, stejně jako matplotlib.pyplot jako plt.
Toto cvičení je součástí kurzu
Dealing with Missing Data in Python
Pokyny k cvičení
- Vykresli graf hustoty pro sloupec
'Skin_Fold'pro každý DataFrame. - Nastav popisky pomocí seznamu
labels. - Nastav popisek osy x na
'Skin Fold'.
Interaktivní cvičení na vyzkoušení si v praxi
Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.
# Plot graphs of imputed DataFrames and the complete case
diabetes_cc['___'].___(___='___', c='red', linewidth=3)
diabetes_mean_imputed['___'].plot(___='___')
diabetes_knn_imputed['___'].plot(___='___')
diabetes_mice_imputed['___'].plot(___='___')
# Create labels for the four DataFrames
labels = ['Baseline (Complete Case)', 'Mean Imputation', 'KNN Imputation', 'MICE Imputation']
plt.legend(___)
# Set the x-label as Skin Fold
plt.xlabel('___')
plt.show()