このセクションの演習では、植物学者 Edward Anderson が収集し、史上最も多作な統計学者の一人である Ronald Fisher によって広く知られるようになった古典的なデータセットを使います。Anderson は、3 種のアヤメ（Iris setosa、Iris versicolor、Iris virginica）の標本について、形態的特徴を丁寧に測定しました。完全なデータセットは scikit-learn の一部として利用可能です。ここでは、花弁の長さの測定値を扱います。

Iris versicolor 50 個の標本について、matplotlib/seaborn のデフォルト設定を使って花弁長のヒストグラムを描いてください。既定の seaborn スタイルを指定するには、seaborn を sns という別名でインポートしたうえで sns.set() を使えることを思い出してください。

センチメートル（cm）単位の Iris versicolor の花弁長を含むデータのサブセットは、NumPy 配列 versicolor_petal_length に保存されています。

動画では、Justin は pandas ライブラリを使い、目的の列を抽出するために DataFrame をインデックス指定してヒストグラムを描きました。しかしここでは、用意された NumPy 配列だけを使えば十分です。また、Justin は（plt.show() を除く）描画文をダミー変数 _ に代入していました。これは不要な出力が表示されるのを防ぐためです。演習の解答で必須ではありませんが、良い習慣です。別の方法として、Jupyter Notebook などの対話環境では、描画文の末尾に ; を付けても同様の効果があります。Justin は _ を使う方を好みます。そのため、解答コードでも _ が使われています。

すべてのデータを可視化する：ECDF（経験累積分布関数）

Create Your Free Account