Balkendiagramme mit Prozentsätzen

Es geht immer noch um die Umfrage unter jungen Menschen. Die Variable "Interested in Math" ist True, wenn die jeweilige Person laut eigener Angabe etwas oder sehr an Mathematik interessiert ist; ansonsten ist die Variable False. Wie viel Prozent der jungen Menschen interessieren sich für Mathematik – und gibt es hier Unterschiede zwischen den Geschlechtern? Ein Balkendiagramm kann bei der Beantwortung dieser Fragen helfen.

Zur Erinnerung: Zum Erstellen des Balkendiagramms wird hier die Funktion catplot() genutzt. Außerdem brauchst du den Namen der kategorialen Variable für die x-Achse (x=____), den Namen der zusammenzufassenden quantitativen Variable für die y-Achse (y=____), den zu verwendenden pandas-DataFrame (data=____) und die gewünschte Diagrammart (kind="bar").

Seaborn wurde bereits als sns und matplotlib.pyplot als plt importiert.

Diese Übung ist Teil des Kurses

Einführung in die Datenvisualisierung mit Seaborn

Anleitung zur Übung

Erstelle mit sns.catplot() ein Balkendiagramm für den survey_data-DataFrame mit "Gender" auf der x-Achse und "Interested in Math" auf der y-Achse.

Interaktive Übung

Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.

# Create a bar plot of interest in math, separated by gender



# Show plot
plt.show()

Code bearbeiten und ausführen

Diese Übung ist Teil des Kurses

Einführung in die Datenvisualisierung mit Seaborn

Geringe SchwierigkeitSchwierigkeitsgrad

4.8+

Kurs kostenlos starten

Was ist Seaborn und was kann man damit machen? In diesem Kapitel findest du es heraus! Dabei lernst du auch, wie du anhand von Listen und pandas-DataFrames Streudiagramme und Zähldiagramme erstellst. Zudem wird einer der großen Vorteile von Seaborn verdeutlicht, nämlich die Möglichkeit, Diagrammen mithilfe von verschiedenen Farben für Untergruppen ganz einfach eine dritte Variable hinzuzufügen.

Exercise 1: Einführung in Seaborn Exercise 2: Streudiagramm aus Listen erstellen Exercise 3: Zähldiagramm aus einer Liste erstellen Exercise 4: Seaborn und pandas Exercise 5: „Ordentliche“ und „unordentliche“ Daten Exercise 6: Zähldiagramm aus einem DataFrame erstellen Exercise 7: Hinzufügen einer dritten Variable durch Farbtöne Exercise 8: Farben in Streudiagrammen Exercise 9: Farben in Zähldiagrammen

In diesem Kapitel erstellst du Diagramme und passt sie nach Bedarf an, um Beziehungen zwischen zwei quantitativen Variablen zu visualisieren. Du nutzt Streudiagramme und Liniendiagramme, um herauszufinden, wie sich die Luftverschmutzung in einer Stadt im Laufe des Tages verändert und welcher Zusammenhang zwischen der PS-Zahl und der Kraftstoffeffizienz von Autos besteht. Außerdem lernst du einen weiteren Vorteil von Seaborn kennen, nämlich die Möglichkeit, mehrere Unterdiagramme innerhalb einer einzigen Abbildung zu erstellen.

Exercise 1: Einführung in Relationsdiagramme und Unterdiagramme Exercise 2: Unterdiagramme in Spalten und Zeilen Exercise 3: Unterdiagramme für zwei Einflussfaktoren Exercise 4: Anpassung von Streudiagrammen Exercise 5: Anpassung der Größe von Punkten im Streudiagramm Exercise 6: Anpassung des Stils von Punkten im Streudiagramm Exercise 7: Einführung in Liniendiagramme Exercise 8: Liniendiagramme interpretieren Exercise 9: Visualisierung der Standardabweichung in Liniendiagrammen Exercise 10: Untergruppen in Liniendiagrammen

Kategoriale Variablen gibt es in fast jedem Datensatz – besonders häufig tauchen sie aber in Umfragedaten auf. In diesem Kapitel lernst du, wie du für solche kategorialen Variablen geeignete Kasten-, Balken-, Zähl- und Punktdiagramme erstellst und anpasst. Dazu nutzt du Daten aus Umfragen unter jungen Menschen zu ihren Interessen, unter Studierenden zu ihren Lerngewohnheiten und unter erwachsenen Männern zu ihren Einstellungen in Sachen Maskulinität.

Exercise 1: Zähldiagramme und Balkendiagramme Exercise 2: Zähldiagramme Exercise 3: Balkendiagramme mit Prozentsätzen

Aktuelle Übung

Exercise 4: Balkendiagramme anpassen Exercise 5: Kastendiagramme Exercise 6: Kastendiagramme erstellen und interpretieren Exercise 7: Ausreißer unterdrücken Exercise 8: Antennen des Kastendiagramms anpassen Exercise 9: Punktdiagramme Exercise 10: Punktdiagramme anpassen Exercise 11: Punktdiagramme mit Untergruppen

In diesem letzten Kapitel lernst du, wie du aussagekräftige Titel und Achsenbeschriftungen zu Diagrammen hinzufügst, denn das sind einige der wichtigsten Elemente jeder Datenvisualisierung! Außerdem erfährst du, wie du den Stil der Visualisierungen anpassen kannst, damit die Zielgruppe die wichtigsten Erkenntnisse schneller erfasst. Zum Schluss kombinierst du verschiedene Optionen, die du in diesem Kurs kennengelernt hast, in einigen finalen Übungen.

Exercise 1: Stil und Farben von Diagrammen ändern Exercise 2: Stil und Farbpalette ändern Exercise 3: Skalierung ändern Exercise 4: Benutzerdefinierte Farbpalette verwenden Exercise 5: Titel und Beschriftungen hinzufügen: Teil 1 Exercise 6: FacetGrids vs. AxesSubplots Exercise 7: Titel zu einem FacetGrid-Objekt hinzufügen Exercise 8: Titel und Beschriftungen hinzufügen: Teil 2 Exercise 9: Titel und Achsenbeschriftungen hinzufügen Exercise 10: Teilstrichbeschriftungen der x-Achse drehen Exercise 11: Kombination verschiedener Optionen Exercise 12: Kastendiagramm mit Untergruppen Exercise 13: Balkendiagramm mit Untergruppen und Unterdiagrammen Exercise 14: Gut gemacht! Und wie geht es weiter?