Wizualizacja znormalizowanych zmiennych
Świetna robota! Teraz wykreślisz znormalizowane i pozbawione skośności zmienne, aby zobaczyć różnicę w rozkładzie oraz zakresie wartości. Zbiór danych datamart_normalized z poprzedniego ćwiczenia jest już wczytany.
Wywołanie plt.subplot(...) przed funkcją z biblioteki seaborn pozwala umieścić kilka podwykresów w jednym wykresie – nie musisz go modyfikować.
Biblioteki seaborn i matplotlib.pyplot są wczytane odpowiednio jako sns i plt. Możesz swobodnie eksplorować zbiór datamart_normalized w konsoli.
To ćwiczenie jest częścią kursu
Segmentacja klientów w Pythonie
Instrukcje do ćwiczenia
- Wykreśl rozkład znormalizowanej zmiennej
Recency. - Wykreśl rozkład znormalizowanej zmiennej
Frequency. - Wykreśl rozkład znormalizowanej zmiennej
MonetaryValue. - Wyświetl wykres.
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# Plot recency distribution
plt.subplot(3, 1, 1); ____.distplot(____['Recency'])
# Plot frequency distribution
plt.subplot(3, 1, 2); ____.____(____['Frequency'])
# Plot monetary value distribution
plt.subplot(3, 1, 3); ____.____(____['MonetaryValue'])
# Show the plot
plt.____()