Voor de oefeningen in deze sectie gebruik je een klassieke gegevensset, verzameld door botanicus Edward Anderson en beroemd gemaakt door Ronald Fisher, een van de meest productieve statistici uit de geschiedenis. Anderson mat zorgvuldig de anatomische eigenschappen van monsters van drie verschillende irissoorten, Iris setosa, Iris versicolor en Iris virginica. De volledige gegevensset is beschikbaar als onderdeel van scikit-learn. Hier werk je met zijn metingen van de kroonbladlengte.

Plot een histogram van de kroonbladlengtes van zijn 50 monsters van Iris versicolor met de standaardinstellingen van matplotlib/seaborn. Ter herinnering: om de standaardstijl van seaborn te gebruiken, kun je sns.set() aanroepen, waarbij sns de alias is waaronder seaborn is geïmporteerd.

De subset van de gegevensset met de Iris versicolor-kroonbladlengtes in centimeters (cm) is opgeslagen in de NumPy-array versicolor_petal_length.

In de video plotte Justin de histogrammen met behulp van de pandas-bibliotheek en indexeerde hij de DataFrame om de gewenste kolom te pakken. Hier hoef je echter alleen de meegeleverde NumPy-array te gebruiken. Ook wees Justin zijn plotopdrachten (behalve plt.show()) toe aan de dummyvariabele _. Dit voorkomt dat onnodige output wordt weergegeven. Het is niet verplicht voor je oplossingen in deze oefeningen, maar het is wel goede gewoonte om het te doen. Werk je in een interactieve omgeving zoals een Jupyter-notebook, dan kun je ook een ; achter je plotopdrachten zetten om hetzelfde effect te bereiken. Justin geeft de voorkeur aan _. Daarom zie je die gebruikt worden in de voorbeeldoplossing.

Een bee swarm-plot interpreteren

Statistisch denken in Python (deel 1)

Praktische interactieve oefening