Usar visualizaciones: lmplot

Crear gráficos de modelos lineales te ayuda a visualizar si las variables se relacionan con la variable dependiente. Si es así, son buenas candidatas para incluir en el análisis. Si no, no significa que debas descartarlas; puede que necesiten procesado o preparación antes de poder usarlas.

seaborn está disponible en tu espacio de trabajo con el alias habitual sns.

Este ejercicio forma parte del curso

Ingeniería de características con PySpark

Ver curso

Instrucciones del ejercicio

Con el conjunto de datos cargado df, filtra las columnas 'SALESCLOSEPRICE' y 'LIVINGAREA' con select().
Muestra una muestra del 50% del DataFrame con sample(), asegurándote de no usar reemplazo y estableciendo la semilla aleatoria en 42.
Convierte el DataFrame de Spark a un pandas.DataFrame() con toPandas().
Usando 'SALESCLOSEPRICE' como variable dependiente y 'LIVINGAREA' como independiente, traza un gráfico de modelo lineal con lmplot() de seaborn.

ejercicio interactivo práctico

Prueba este ejercicio completando este código de ejemplo.

# Select a the relevant columns and sample
sample_df = df.____([____, ____]).____(____, ____, ____)

# Convert to pandas dataframe
pandas_df = sample_df.____()

# Linear model plot of pandas_df
sns.____(x=____, y=____, data=____)
plt.show()

Editar y ejecutar código