Comparer des graphiques de densité
Les différentes imputations que vous avez effectuées précédemment peuvent être comparées graphiquement à l'aide de leurs graphiques de densité. À partir de ces graphiques, vous pourrez facilement analyser et repérer l'ensemble de données dont la distribution ressemble le plus à celle de l'original. Vous verrez aussi comment une imputation peut introduire un biais.
Dans cet exercice, vous comparerez les graphiques de densité des DataFrames imputés pour diabetes que vous avez créés plus tôt.
Les DataFrames diabetes_cc, diabetes_mean_imputed, diabetes_knn_imputed et diabetes_mice_imputed ont déjà été chargés pour vous, ainsi que matplotlib.pyplot sous le nom plt.
Cette activité fait partie du cours
Gérer les données manquantes avec Python
Instructions de l’exercice
- Tracez un graphique de densité pour la colonne
'Skin_Fold'de chaque DataFrame. - Définissez les étiquettes à l'aide de la liste
labels. - Définissez l'étiquette de l'axe des x à
'Skin Fold'.
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
# 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()