Dichte-Diagramme vergleichen
Die verschiedenen Imputationen, die du zuvor durchgeführt hast, lassen sich über ihre Dichte-Diagramme grafisch vergleichen. Anhand dieser Plots kannst du leicht analysieren, welcher Datensatz die ähnlichste Verteilung zum ursprünglichen Datensatz aufweist. Außerdem siehst du, wie eine Imputation eine Verzerrung verursachen kann.
In dieser Übung vergleichst du die Dichte-Diagramme der imputierten DataFrames für diabetes, die du zuvor erstellt hast.
Die DataFrames diabetes_cc, diabetes_mean_imputed, diabetes_knn_imputed und diabetes_mice_imputed wurden zusammen mit matplotlib.pyplot als plt bereits für dich geladen.
Diese Übung ist Teil des Kurses
<Kurs>Umgang mit fehlenden Daten in Python</Kurs>Übungsanweisungen
- Erstelle für jede DataFrame-Spalte
'Skin_Fold'ein Dichte-Diagramm. - Verwende die
labels-Liste, um die Beschriftungen zu setzen. - Setze die Beschriftung der x-Achse auf
'Skin Fold'.
Interaktive praktische Übung
Versuche dich an dieser Übung, indem du diesen Beispielcode vervollständigst.
# 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()