Vizualizace dat: lmplot

Grafy lineárního modelu nám pomáhají vizuálně ověřit, zda mezi proměnnými a závislou proměnnou existuje vztah. Pokud ano, jsou to dobří kandidáti pro zařazení do analýzy. Pokud ne, neznamená to, že je máme rovnou zahodit – možná je budeme muset nejprve zpracovat nebo upravit, než je budeme moci využít.

seaborn je v tvém pracovním prostředí dostupný pod obvyklým aliasem sns.

Toto cvičení je součástí kurzu

Feature Engineering with PySpark

Zobrazit kurz

Pokyny k cvičení

Z načteného datasetu df vyber pomocí select() pouze sloupce 'SALESCLOSEPRICE' a 'LIVINGAREA'.
Pomocí sample() náhodně vyber 50 % řádků dataframu – bez nahrazování a s náhodným seedem nastaveným na 42.
Převeď Spark DataFrame na pandas.DataFrame() pomocí toPandas().
Jako závislou proměnnou použij 'SALESCLOSEPRICE' a jako nezávislou 'LIVINGAREA' a vykresli graf lineárního modelu pomocí lmplot() z knihovny seaborn.

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

# Select a the relevant columns and sample
sample_df = df.____([____, ____]).____(____, ____, ____)

# Convert to pandas dataframe
pandas_df = sample_df.____()

# Linear model plot of pandas_df
sns.____(x=____, y=____, data=____)
plt.show()

Upravit a spustit kód