Zvýraznění hodnot v rozdělení

Někdy je potřeba data upravit, aby bylo výsledné vizualizace přehlednější. S chybějícími hodnotami si poradí metody .dropna() a .fillna(). Odlehlé hodnoty (odchylky) pak můžeš odstranit filtrováním záznamů nad nebo pod určitým percentilem – stačí použít .quantile() na příslušný sloupec.

Ve videu jsi také viděl/a, jak v grafu zvýraznit konkrétní hodnotu přidáním svislé čáry na pozici x přes celou osu:

Axes.axvline(x=0, color=None, ...)

V tomto cvičení se ještě jednou podíváš na globální rozdělení příjmů – odstraníš odlehlé hodnoty nad 95. percentilem, vykreslíš rozdělení a zvýrazníš průměr i medián. pandas jako pd, seaborn jako sns a matplotlib.pyplot jako plt jsou již naimportovány a DataFrame income z předchozích cvičení máš k dispozici ve svém prostředí.

Toto cvičení je součástí kurzu

Importing and Managing Financial Data in Python

Zobrazit kurz

Pokyny k cvičení

Přiřaď sloupec 'Income per Capita' do proměnné inc_per_capita.
Vyfiltruj inc_per_capita tak, aby zůstaly pouze řádky s hodnotou nižší než 95. percentil. Výsledek ulož zpět do stejné proměnné.
Vykresli výchozí histogram pro filtrovanou verzi inc_per_capita a výsledek přiřaď do ax.
Pomocí ax.axvline() s parametrem color='b' zvýrazni průměr inc_per_capita modrou barvou.
Pomocí ax.axvline() s parametrem color='g' zvýrazni medián zelenou barvou. Zobraz výsledek!

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

# Create inc_per_capita
inc_per_capita = ____

# Filter out incomes above the 95th percentile
inc_per_capita = inc_per_capita[____ < ____]

# Plot histogram and assign to ax
ax = ____

# Highlight mean
ax.axvline(inc_per_capita.mean(), color='b')

# Highlight median
ax.axvline(inc_per_capita.median(), color='g')

# Show the plot
plt.show()

Upravit a spustit kód