Porównywanie wykresów gęstości
Różne imputacje, które wcześniej przeprowadzono, można porównać graficznie za pomocą wykresów gęstości. Na podstawie tych wykresów łatwo przeanalizujesz zbiory danych i znajdziesz ten, którego rozkład jest najbardziej zbliżony do oryginalnego. Zobaczysz też, w jaki sposób imputacja może wprowadzać obciążenie.
W tym ćwiczeniu porównasz wykresy gęstości dla ramek danych diabetes z imputacjami, które utworzyłeś wcześniej.
Ramki danych diabetes_cc, diabetes_mean_imputed, diabetes_knn_imputed i diabetes_mice_imputed są już wczytane i gotowe do użycia, podobnie jak matplotlib.pyplot jako plt.
To ćwiczenie jest częścią kursu
Braki danych w Pythonie
Instrukcje do ćwiczenia
- Narysuj wykres gęstości dla kolumny
'Skin_Fold'dla każdej ramki danych. - Ustaw etykiety, korzystając z listy
labels. - Ustaw etykietę osi x na
'Skin Fold'.
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# Plot graphs of imputed DataFrames and the complete case
diabetes_cc['___'].___(___='___', c='red', linewidth=3)
diabetes_mean_imputed['___'].plot(___='___')
diabetes_knn_imputed['___'].plot(___='___')
diabetes_mice_imputed['___'].plot(___='___')
# Create labels for the four DataFrames
labels = ['Baseline (Complete Case)', 'Mean Imputation', 'KNN Imputation', 'MICE Imputation']
plt.legend(___)
# Set the x-label as Skin Fold
plt.xlabel('___')
plt.show()