Dichtheidsplots
In de praktijk kunnen histogrammen een matige manier zijn om de verdeling van je data te beoordelen, omdat ze sterk kunnen worden beïnvloed door het aantal gespecificeerde bins. Kernel-dichtheidsplots zijn daarentegen een effectievere manier om de verdeling van je data te bekijken. Hieronder zie je een voorbeeld van hoe je een dichtheidsplot genereert:
ax = df.plot(kind='density', linewidth=2)
De standaardmethode .plot() wordt gebruikt met het argument kind ingesteld op 'density'. We hebben ook een extra parameter linewidth meegegeven, die de lijndikte van de plot bepaalt.
Deze oefening maakt deel uit van de cursus
Tijdreeksen visualiseren in Python
Oefeninstructies
- Gebruik de DataFrame
co2_levelsom een dichtheidsplot te maken van de CO2-niveaus, met een lijndikteparameter van 4. - Voorzie de x-as van je boxplot van het label 'CO2'.
- Voorzie de y-as van je boxplot van het label 'Density plot of CO2 levels in Maui Hawaii'.
Praktische interactieve oefening
Probeer deze oefening eens door deze voorbeeldcode in te vullen.
# Display density plot of CO2 levels values
ax = ____.____(____=____, ____=____, fontsize=6)
# Annotate x-axis labels
____.____('CO2', fontsize=10)
# Annotate y-axis labels
____.____('Density plot of CO2 levels in Maui Hawaii', fontsize=10)
plt.show()