Normalisierte Variablen visualisieren
Super Arbeit! Jetzt plottest du die normalisierten und entverzerrten Variablen, um den Unterschied in der Verteilung sowie den Wertebereich zu sehen. Der Datensatz datamart_normalized aus der vorherigen Übung ist geladen.
Der Aufruf plt.subplot(...) vor dem Aufruf der seaborn-Funktion ermöglicht es dir, mehrere Teilplots in einem Diagramm darzustellen; du musst ihn nicht ändern.
Die Bibliotheken seaborn und matplotlib.pyplot wurden als sns bzw. plt geladen. Du kannst datamart_normalized gerne in der Konsole erkunden.
Diese Übung ist Teil des Kurses
Kundensegmentierung in Python
Anleitung zur Übung
- Plotte die Verteilung der normalisierten
Recency. - Plotte die Verteilung der normalisierten
Frequency. - Plotte die Verteilung der normalisierten
MonetaryValue. - Zeige den Plot an.
Interaktive Übung
Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.
# Plot recency distribution
plt.subplot(3, 1, 1); ____.distplot(____['Recency'])
# Plot frequency distribution
plt.subplot(3, 1, 2); ____.____(____['Frequency'])
# Plot monetary value distribution
plt.subplot(3, 1, 3); ____.____(____['MonetaryValue'])
# Show the plot
plt.____()