Internationale Einkommensverteilung visualisieren

seaborn ist eine Python-Bibliothek zur Visualisierung statistischer Daten auf Basis von matplotlib.

Standardmäßig erstellt die Funktion distplot() im Paket seaborn ein Histogramm, bei dem Daten in Bereiche (Bins) gruppiert und als Balken dargestellt werden, und passt zusätzlich eine Kernel-Dichteschätzung (KDE), also ein geglättetes Histogramm, an. Mit distplot() kannst du außerdem einen Rugplot erzeugen, der am unteren Rand des Diagramms Markierungen hinzufügt, um die Dichte der Beobachtungen entlang der x-Achse zu zeigen.

seaborn.distplot(a, bins=None, hist=True, kde=True, rug=False, ...)

In früheren Übungen hast du ein Quantildiagramm erstellt, das dir ein recht feines Gefühl für das Einkommensniveau pro Kopf an verschiedenen Punkten der Verteilung gegeben hat. Hier nutzt du distplot(), um das Gesamtbild zu bekommen!

pandas wurde als pd importiert, und das DataFrame income aus der vorherigen Übung steht in deiner Arbeitsumgebung bereit.

Diese Übung ist Teil des Kurses

Importing and Managing Financial Data in Python

Kurs anzeigen

Anleitung zur Übung

Importiere seaborn als sns und matplotlib.pyplot als plt.
Gib die mit .describe() bereitgestellten zusammenfassenden Statistiken aus.
Zeichne und zeige ein einfaches Histogramm der Spalte 'Income per Capita' mit .distplot().
Erstelle und zeige einen Rugplot derselben Daten, indem du zusätzlich die Argumente bins auf 50 setzt, kde auf False und rug auf True.

Interaktive Übung

Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.

# Import seaborn and matplotlib
____
____

# Print the summary statistics for income
print(____.____())

# Plot a basic histogram of income per capita
____

# Show the plot
plt.show()

# Plot a rugplot
sns.distplot(income['Income per Capita'], ____, ____, ____)

# Show the plot
plt.show()

Code bearbeiten und ausführen