Créer et interpréter un graphique en boîte

Continuons à utiliser l'ensemble de données student_data. Dans un exercice précédent, nous avons exploré la relation entre les études et la note finale en utilisant un graphique à barres pour comparer la note finale moyenne ("G3") des étudiants dans différentes catégories de "study_time".

Dans cet exercice, nous allons essayer d'examiner cette relation à l'aide d'un graphique en boîte. Pour rappel, pour créer un diagramme en boîte, vous devrez utiliser la fonction catplot() et spécifier le nom de la variable catégorielle à placer sur l'axe des x (x=____), le nom de la variable quantitative à résumer sur l'axe des y (y=____), le DataFrame pandas à utiliser (data=____), et le type de graphique (kind="box").

Nous avons déjà importé matplotlib.pyplot en tant que plt et seaborn en tant que sns.

Cet exercice fait partie du cours

Introduction to Data Visualization with Seaborn

Afficher le cours

Exercice interactif pratique

Essayez cet exercice en complétant cet exemple de code.

# Specify the category ordering
study_time_order = ["<2 hours", "2 to 5 hours", 
                    "5 to 10 hours", ">10 hours"]

# Create a box plot and set the order of the categories





# Show plot
plt.show()

Modifier et exécuter le code

Cet exercice fait partie du cours

Introduction to Data Visualization with Seaborn

DébutantNiveau de compétence

4.8+

Commencer le cours gratuitement

Qu'est-ce que Seaborn et quand l'utiliser ? Vous le découvrirez dans ce chapitre ! De plus, vous apprendrez à créer des diagrammes de dispersion et de comptage avec des listes de données et des DataFrames pandas. Vous découvrirez également l'un des grands avantages de l'utilisation de Seaborn : la possibilité d'ajouter facilement une troisième variable à vos graphiques en utilisant la couleur pour représenter les différents sous-groupes.

Exercise 1: Introduction à Seaborn Exercise 2: Créer un graphique de dispersion avec des listes Exercise 3: Faire un graphique de comptage avec une liste Exercise 4: Utiliser pandas avec Seaborn Exercise 5: Données « ordonnées » et « désordonnées »Exercise 6: Créer un graphique de comptage avec un DataFrame Exercise 7: Ajouter une troisième variable avec la teinte Exercise 8: Graphiques de teinte et de dispersion Exercise 9: Graphiques de teinte et de comptage

Dans ce chapitre, vous allez créer et personnaliser des graphiques qui visualisent la relation entre deux variables quantitatives. Pour ce faire, vous utiliserez des diagrammes de dispersion et des graphiques linéaires pour étudier l'évolution du niveau de pollution de l'air dans une ville au cours d'une journée et le lien entre la puissance et le rendement énergétique des voitures. Vous verrez également un autre grand avantage de l'utilisation de Seaborn : la possibilité de créer facilement des intrigues secondaires dans un seul chiffre !

Exercise 1: Introduction aux graphiques et sous-graphiques relationnels Exercise 2: Création de sous-graphiques avec colonnes et lignes Exercise 3: Créer des sous-graphiques à deux facteurs Exercise 4: Personnaliser des graphiques de dispersion Exercise 5: Modification de la taille des points du graphique de dispersion Exercise 6: Modifier le style des points du graphique de dispersion Exercise 7: Introduction aux graphiques linéaires Exercise 8: Interprétation des diagrammes linéaires Exercise 9: Visualisation de l'écart-type à l'aide de graphiques linéaires Exercise 10: Tracer des sous-groupes dans des graphiques linéaires

Les variables catégorielles sont présentes dans presque tous les ensembles de données, mais elles sont particulièrement importantes dans les données d'enquête. Dans ce chapitre, vous apprendrez à créer et à personnaliser des graphiques catégoriels tels que des diagrammes en boîte, des diagrammes à barres, des diagrammes de comptage et des diagrammes à points. En cours de route, vous explorerez les données d'enquêtes menées auprès de jeunes sur leurs centres d'intérêt, d'étudiants sur leurs habitudes d'étude et d'hommes adultes sur leurs sentiments à l'égard de la masculinité.

Exercise 1: Graphiques de comptage et graphiques en barres Exercise 2: Graphiques de comptage Exercise 3: Graphiques en barres avec pourcentages Exercise 4: Personnalisation des graphiques Exercise 5: Diagrammes en boîte Exercise 6: Créer et interpréter un graphique en boîte

Exercice en cours

Exercise 7: Omettre les valeurs aberrantes Exercise 8: Ajustement des moustaches Exercise 9: Graphiques à points Exercise 10: Personnalisation des graphiques Exercise 11: Graphiques ponctuels avec sous-groupes

Dans ce dernier chapitre, vous apprendrez à ajouter des titres de graphiques et des étiquettes d'axes informatifs, qui constituent l'une des parties les plus importantes de toute visualisation de données ! Vous apprendrez également à personnaliser le style de vos visualisations afin d'orienter plus rapidement votre public vers les éléments clés à retenir. Ensuite, vous rassemblerez tout ce que vous avez appris pour les exercices finaux du cours !

Exercise 1: Modifier le style et la couleur du graphique Exercise 2: Changer de style et de palette Exercise 3: Changement d'échelle Exercise 4: Utilisation d'une palette personnalisée Exercise 5: Ajout de titres et d'étiquettes : Partie 1 Exercise 6: FacetGrids vs. AxesSubplots Exercise 7: Ajouter un titre à un objet FacetGrid Exercise 8: Ajout de titres et d'étiquettes : Partie 2 Exercise 9: Ajout d'un titre et d'étiquettes d'axe Exercise 10: Rotation des étiquettes de graduation de l’axe des x Exercise 11: Mise en œuvre de l'ensemble Exercise 12: Graphique en boîte avec sous-groupes Exercise 13: Graphique en barres avec sous-groupes et sous-graphes Exercise 14: Bravo ! Quelle est la prochaine étape ?