Wereldwijde mediane inkomens per hoofd van de bevolking in de tijd

De functie barplot() van seaborn toont puntschattingen en betrouwbaarheidsintervallen als rechthoekige balken; standaard wordt het gemiddelde weergegeven, maar je kunt ook een andere samenvattende statistiek tonen door een specifieke numpy-functie door te geven aan de parameter estimator:

seaborn.barplot(x=None, y=None, data=None, estimator=<function mean>, ...)

In deze oefening gebruik je een geïmporteerde dataset van de World Bank met wereldwijde inkomens per hoofd van de bevolking voor 189 landen sinds het jaar 2000. Om te oefenen met het tonen van samenvattende statistieken per categorie, ga je het mediane wereldwijde inkomen per hoofd sinds 2000 plotten en vergelijken met het gemiddelde.

pandas als pd, numpy als np, matplotlib.pyplot als plt en seaborn als sns zijn al geïmporteerd. De wereldwijde inkomensdata staat in je werkruimte als income_trend.

Deze oefening maakt deel uit van de cursus

Financiële data importeren en beheren in Python

Cursus bekijken

Oefeninstructies

Inspecteer income_trend met .info().
Maak een sns.barplot() met de kolom 'Year' als x en 'Income per Capita' als y, en toon het resultaat nadat je de xticks 45 graden hebt gedraaid.
Gebruik plt.close() na de eerste plt.show() zodat je een tweede plot kunt tonen.
Maak een tweede sns.barplot() met dezelfde x- en y-instellingen, met estimator=np.median om de mediaan te berekenen, en toon het resultaat.

Praktische interactieve oefening

Probeer deze oefening eens door deze voorbeeldcode in te vullen.

# Inspect the data
income_trend.____()

# Create barplot
sns.barplot(x=____, y='Income per Capita', data=____)

# Rotate xticks
plt.____(____=____)

# Show the plot
plt.show()

# Close the plot
plt.close()

# Create second barplot
sns.barplot(x=____, y='Income per Capita', data=____, estimator=____)

# Rotate xticks
plt.____(____)

# Show the plot
plt.show()

Code bewerken en uitvoeren