Evidenziare valori nella distribuzione

A volte è necessario manipolare i dati per creare una visualizzazione migliore. Due metodi che gestiscono i valori mancanti sono .dropna() e .fillna(). Puoi anche rimuovere gli outlier filtrando le voci al di sopra o al di sotto di un certo percentile applicando una condizione con .quantile() a una colonna specifica.

Nel video hai anche visto come mettere in evidenza un valore specifico in un grafico aggiungendo una linea verticale in posizione x sugli assi:

Axes.axvline(x=0, color=None, ...)

In questo esercizio, darai un’ultima occhiata alla distribuzione del reddito globale, poi rimuoverai gli outlier sopra il 95° percentile, traccerai la distribuzione e metterai in evidenza sia la media sia la mediana. pandas come pd, seaborn come sns e matplotlib.pyplot come plt sono stati importati e il DataFrame income degli esercizi precedenti è disponibile nel tuo workspace.

Questo esercizio fa parte del corso

Importing and Managing Financial Data in Python

Visualizza corso

Istruzioni dell'esercizio

Assegna la colonna 'Income per Capita' a inc_per_capita.
Filtra per mantenere solo le righe di inc_per_capita inferiori al 95° percentile. Riassegna alla stessa variabile.
Traccia un istogramma predefinito per la versione filtrata di inc_per_capita e assegnalo a ax.
Usa ax.axvline() con color='b' per evidenziare in blu la media di inc_per_capita,
Usa ax.axvline() con color='g' per evidenziare in verde la mediana. Mostra il risultato!

esercizio interattivo pratico

Prova questo esercizio completando questo codice di esempio.

# Create inc_per_capita
inc_per_capita = ____

# Filter out incomes above the 95th percentile
inc_per_capita = inc_per_capita[____ < ____]

# Plot histogram and assign to ax
ax = ____

# Highlight mean
ax.axvline(inc_per_capita.mean(), color='b')

# Highlight median
ax.axvline(inc_per_capita.median(), color='g')

# Show the plot
plt.show()

Modifica ed esegui il codice