Explorer l'ensemble d'achats par produit des clients
Vous avez exploré l'ensemble de données d'achats par produit des clients dans la vidéo et vous êtes maintenant prêt à tracer quelques graphiques exploratoires pour comprendre la distribution des variables et les relations entre elles. Ici, vous allez explorer l'ensemble wholesale et tracer les relations par paires ainsi que les distributions estimées pour chaque variable avec la fonction pairplot de la bibliothèque seaborn. C'est une étape importante pour examiner les types de distribution et les relations entre les variables afin de déterminer s'il faut effectuer d'autres étapes de prétraitement des données.
La bibliothèque pandas est chargée sous le nom pd, seaborn sous sns, et matplotlib.pyplot sous plt. L'ensemble de données wholesale a aussi été chargé comme DataFrame pandas.
Cette activité fait partie du cours
Machine Learning pour le marketing en Python
Instructions de l’exercice
- Affichez l'entête de l'ensemble
wholesale - Tracez les relations par paires entre les variables
- Affichez le graphique.
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
# Print the header of the `wholesale` dataset
print(___.head())
# Plot the pairwise relationships between the variables
sns.pairplot(___, diag_kind='kde')
# Display the chart
plt.___()