Ausreißer auslassen

Nun wollen wir den Datensatz student_data verwenden, um die Verteilung der Abschlussnoten ("G3") zwischen Schülern, die zu Hause einen Internetzugang haben, und denen, die keinen haben, zu vergleichen. Dazu verwenden wir die Variable "internet", die als binärer Indikator (ja/nein) angibt, ob der/die Schüler/in zu Hause einen Internetzugang hat.

Da der Internetzugang in ländlichen Gegenden möglicherweise weniger gut ist, werden wir Untergruppen je nach Wohnort der Schüler/innen bilden. Hierfür können wir die Variable "location" verwenden, die angibt, ob ein Schüler in einer Stadt ("Urban") oder auf dem Land ("Rural") lebt.

Seaborn wurde bereits als sns importiert und matplotlib.pyplot wurde als plt importiert. Zur Erinnerung: Du kannst Ausreißer in Boxplots auslassen, indem du den Parameter sym auf eine leere Zeichenkette setzt ("").

Diese Übung ist Teil des Kurses

Einführung in die Datenvisualisierung mit Seaborn

Anleitung zur Übung

Verwende sns.catplot(), um ein Boxplot mit dem student_data DataFrame zu erstellen, indem du "internet" auf die x-Achse und "G3" auf die y-Achse setzt.
Füge Untergruppen hinzu, damit jedes Boxplot auf der Grundlage von "location" gefärbt wird.
Lass die Ausreißer nicht anzeigen.

Interaktive Übung zum Anfassen

Probieren Sie diese Übung aus, indem Sie diesen Beispielcode ausführen.

# Create a box plot with subgroups and omit the outliers






# Show plot
plt.show()

Bearbeiten und Ausführen von Code

Diese Übung ist Teil des Kurses

Einführung in die Datenvisualisierung mit Seaborn

Geringe SchwierigkeitSchwierigkeitsgrad

4.8+

Kurs kostenlos starten

Was ist Seaborn und wann solltest du es verwenden? In diesem Kapitel wirst du es herausfinden! Außerdem lernst du, wie du Streudiagramme und Zähldiagramme sowohl mit Datenlisten als auch mit Pandas DataFrames erstellen kannst. Du wirst auch einen der großen Vorteile von Seaborn kennenlernen - die Möglichkeit, deinen Plots ganz einfach eine dritte Variable hinzuzufügen, indem du verschiedene Untergruppen farblich darstellst.

Exercise 1: Einführung in Seaborn Exercise 2: Erstellen einer Punktwolke mit Listen Exercise 3: Auszählungsdiagramm mit einer Liste erstellen Exercise 4: Verwendung von Pandas mit Seaborn Exercise 5: "Aufgeräumte" vs. "unaufgeräumte" Daten Exercise 6: Erstellen einer Zählung mit einem DataFrame Exercise 7: Hinzufügen einer dritten Variable mit Farbton Exercise 8: Farbton und Streuungsdiagramme Exercise 9: Farbton und Anzahl der Plots

In diesem Kapitel wirst du Diagramme erstellen und anpassen, die die Beziehung zwischen zwei quantitativen Variablen visualisieren. Dazu verwendest du Streudiagramme und Liniendiagramme, um herauszufinden, wie sich die Luftverschmutzung in einer Stadt im Laufe eines Tages verändert und wie die PS-Zahl mit der Kraftstoffeffizienz von Autos zusammenhängt. Du wirst auch einen weiteren großen Vorteil von Seaborn sehen - die Möglichkeit, mit einer einzigen Figur ganz einfach Nebenplots zu erstellen!

Exercise 1: Einführung in relationale Plots und Subplots Exercise 2: Erstellen von Teilplots mit Spalten und Zeilen Exercise 3: Erstellen von Zwei-Faktoren-Teilplots Exercise 4: Streudiagramme anpassen Exercise 5: Ändern der Größe der Punkte in der Punktwolke Exercise 6: Ändern des Stils der Punkte in der Punktwolke Exercise 7: Einführung in Liniendiagramme Exercise 8: Liniendiagramme interpretieren Exercise 9: Visualisierung der Standardabweichung mit Liniendiagrammen Exercise 10: Untergruppen in Liniendiagrammen einzeichnen

Kategoriale Variablen gibt es in fast jedem Datensatz, aber sie sind in Umfragedaten besonders auffällig. In diesem Kapitel lernst du, wie du kategoriale Diagramme wie Boxplots, Balkendiagramme, Zähldiagramme und Punktdiagramme erstellst und anpasst. Auf dem Weg dorthin wirst du Umfragedaten von Jugendlichen über ihre Interessen, von Studenten über ihre Lerngewohnheiten und von erwachsenen Männern über ihre Gefühle zur Männlichkeit untersuchen.

Exercise 1: Zähldiagramme und Balkendiagramme Exercise 2: Plots zählen Exercise 3: Balkendiagramme mit Prozentsätzen Exercise 4: Balkendiagramme anpassen Exercise 5: Kastendiagramme Exercise 6: Erstellen und Interpretieren eines Boxplots Exercise 7: Ausreißer auslassen

Aktuelle Übung

Exercise 8: Anpassen der Schnurrhaare Exercise 9: Punktdiagramme Exercise 10: Punktdiagramme anpassen Exercise 11: Punktdiagramme mit Untergruppen

In diesem letzten Kapitel lernst du, wie du aussagekräftige Diagrammtitel und Achsenbeschriftungen hinzufügst, die zu den wichtigsten Bestandteilen jeder Datenvisualisierung gehören! Du lernst auch, wie du den Stil deiner Visualisierungen anpassen kannst, damit dein Publikum die wichtigsten Erkenntnisse schneller erkennt. Dann wirst du alles, was du gelernt hast, in den abschließenden Übungen des Kurses zusammenfügen!

Exercise 1: Ändern des Plotstils und der Farbe Exercise 2: Stil und Farbpalette ändern Exercise 3: Ändern der Skala Exercise 4: Eine benutzerdefinierte Palette verwenden Exercise 5: Hinzufügen von Titeln und Beschriftungen: Part 1 Exercise 6: FacetGrids vs. AchsenTeilplots Exercise 7: Hinzufügen eines Titels zu einem FacetGrid-Objekt Exercise 8: Hinzufügen von Titeln und Beschriftungen: Part 2 Exercise 9: Hinzufügen eines Titels und von Achsenbeschriftungen Exercise 10: Drehende x-Tick-Etiketten Exercise 11: Alles zusammenfügen Exercise 12: Boxplot mit Untergruppen Exercise 13: Balkendiagramm mit Untergruppen und Unterplots Exercise 14: Gut gemacht! Was kommt als Nächstes?