EDA प्लॉट्स I
कुछ बुनियादी आँकड़े निकालने के बाद, अब डेटा में मौजूद निर्भरताओं के बारे में कुछ आइडिया बनाना और उन्हें वैलिडेट करना समय है। टैक्सी प्रतियोगिता का train DataFrame आपके workspace में पहले से उपलब्ध है.
शुरू करने के लिए, किराए (fare amount) और राइड की दूरी के बीच संबंध दिखाने वाला एक scatterplot बनाएँ। सहज रूप से, जितनी लंबी राइड होगी, कीमत उतनी ही अधिक होगी.
दो geo-coordinates के बीच दूरी किलोमीटर में पाने के लिए आप Haversine distance का उपयोग करेंगे। इसकी गणना आपके लिए परिभाषित haversine_distance() फंक्शन से उपलब्ध है। यह फंक्शन इनपुट के रूप में train DataFrame लेता है.
यह अभ्यास पाठ्यक्रम का हिस्सा है
Python में Kaggle प्रतियोगिता जीतना
अभ्यास निर्देश
- pickup और dropoff पॉइंट्स के बीच Haversine distance के रूप में नया वैरिएबल "distance_km" बनाएँ.
- x-axis पर "fare_amount" और y-axis पर "distance_km" के साथ एक scatterplot प्लॉट करें। scatterplot ड्रॉ करने के लिए matplotlib का
scatter()मेथड उपयोग करें. - outliers को प्लॉट होने से बचाने के लिए राइड दूरी की लिमिट 0 से 50 किलोमीटर के बीच सेट करें.
इंटरैक्टिव व्यावहारिक अभ्यास
इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।
# Calculate the ride distance
train['distance_km'] = ____(train)
# Draw a scatterplot
plt.____(x=____[____], y=____[____], alpha=0.5)
plt.xlabel('Fare amount')
plt.ylabel('Distance, km')
plt.title('Fare amount based on the distance')
# Limit on the distance
plt.ylim(0, ____)
plt.show()