Začněte nyníZačněte zdarma

EDA dat o gramotnosti a porodnosti

V několika následujících cvičeních se podíváme na vztah mezi ženskou gramotností a porodností (definovanou jako průměrný počet dětí narozených jedné ženě) po celém světě. Pro snazší analýzu a interpretaci budeme pracovat s mírou negramotnosti.

Před samotnou analýzou je vždy dobré provést průzkumnou analýzu dat (EDA). Proto vykresli porodnost v závislosti na negramotnosti a vypočítej Pearsonův korelační koeficient. NumPy pole illiteracy obsahuje míru negramotnosti žen ve většině zemí světa. Pole fertility obsahuje odpovídající data o porodnosti.

Může se ti hodit odkaz na funkci, kterou jsi napsal/a v předchozím kurzu pro výpočet Pearsonova korelačního koeficientu.

Toto cvičení je součástí kurzu

Statistical Thinking in Python (Part 2)

Zobrazit kurz

Pokyny k cvičení

  • Vykresli fertility (osa y) v závislosti na illiteracy (osa x) jako bodový graf.
  • Nastav 2% okraj.
  • Vypočítej a vypiš Pearsonův korelační koeficient mezi illiteracy a fertility.

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

# Plot the illiteracy rate versus fertility
_ = plt.plot(____, ____, ____='.', ____='none')

# Set the margins and label axes
plt.margins(____)
_ = plt.xlabel('percent illiterate')
_ = plt.ylabel('fertility')

# Show the plot
plt.show()

# Show the Pearson correlation coefficient
print(pearson_r(____, ____))
Upravit a spustit kód